التحقق من وجود قيمة NaN في مصفوفة Numpy

من خلال np.isnan يمكنك معرفة ذلك، كل شيئ موضح في الكود التالي:

import numpy as np
a=np.array([[ 1. , 2.],[ 3. ,np.nan]])
a
"""
array([[ 1.,  2.],
       [ 3., nan]])
"""
# isnan
#nan في مكان تواجد قيمة  true هذا التابع يرد مصفوفة بوليانية بحيث تضع 
np.isnan(a)
"""
array([[False, False],
       [False,  True]])
"""
#وبالتالي  nan أصغر قيمة هي دوماً 
np.min(a) #nan ترد 
np.isnan(np.min(a)) # True
#لجمع عناصر مصفوفة تحوي قيم غير معرفة سيعطي نتيجة غير معرفة sum استخدام 
np.sum(a) # nan
# وبالتالي
np.isnan(np.sum(a)) # True

ومن ناحية الأداء فاستخدام sum أفضل:

a = np.random.rand(100000)
%timeit np.isnan(np.min(a))
"""
10000 loops, best of 3: 153 us per loop
"""
%timeit np.isnan(np.sum(a))
"""
10000 loops, best of 3: 95.9 us per loop
"""
# سأضع قيمة نان  لإحدى الخلايا
a[2000] = np.nan
%timeit np.isnan(np.min(a))
"""
1000 loops, best of 3: 239 us per loop
"""
%timeit np.isnan(np.sum(a))
"""
10000 loops, best of 3: 95.8 us per loop
"""
a[0] = np.nan
%timeit np.isnan(np.min(a))
"""
1000 loops, best of 3: 326 us per loop
"""
%timeit np.isnan(np.sum(a))
"""
10000 loops, best of 3: 95.9 us per loop
"""

نلاحظ أن min يكون أبطأ في وجود NaN أما  في غيابها أسرع. أيضا يصبح أبطأ مع اقتراب NaN من بداية المصفوفة. من ناحية أخرى ،  sum تبدو ثابتة بغض النظر عما إذا كانت هناك NaNs أو لا.

يمكنك استخدام np.isnan كما في التعليق السابق مع استخدام sum  أو min ولكن أيضاً يمكنك استخدام

• Dot

  numpy.isnan(numpy.dot(a, a))

   

• كما يمكنك استخدام any

  numpy.any(numpy.isnan(a))

   

يعتبر استخدام dot الأسرع من بين الدوال السابقة