添加可能包含“None”项的数组

我建议 numpy.nan_to_num :

>>> np.nan_to_num(np.array([1.0,None,2.0], dtype=np.float))
array([ 1.,  0.,  2.])

然后

>>> def foo(a,b):
...         return np.nan_to_num(a) + np.nan_to_num(b)
...
>>> foo(np.array([1.0,None,2.0], dtype=np.float), np.array([1.0,2.0,2.0], dtype=np.float))
array([ 2.,  0.,  4.])

通常,解决方法是使用浮点数组,而不是任意对象数组,然后使用 np.nan 而不是 None .NaN具有定义良好的算术语义。(此外,使用浮点数组而不是对象将使您的代码大大节省时间和空间。)

请注意,您不必手动转换 没有一个 到 NP南安 如果使用显式 dtype 属于 float 或 np.float64 .这两项都是等效的:

>>> a = np.array([1.0,np.nan,2.0])
>>> a = np.array([1.0,None,2.0],dtype=float)

这意味着,如果出于某种原因,您确实需要具有实际 没有一个 在它们中,您可以这样做,然后动态地将其转换为浮点数组,以获得NaN的好处:

>>> a.astype(float) + b.astype(float)

无论如何,在这种情况下,仅使用NaN是不够的:

>>> a = np.array([1.0,np.nan,2.0])
>>> b = np.array([1.0,2.0,2.0])
>>> a + b
array([ 2., nan,  4.])

这是因为NaN的语义是任何使用NaN的操作的结果都返回NaN。但您希望将其视为0。

但这确实使问题更容易解决。解决这个问题的最简单方法是使用函数 nan_to_num :

>>> np.nan_to_num(a, 0)
array([1., 0., 2.0])
>>> np.nan_to_num(a, 0) + np.nan_to_num(b, 0)
array([2., 2., 4.])

您可以使用 column_stack 要沿第二个轴连接两个数组,请使用 np.nansum() 对第二个轴上的项目求和。

In [15]: a = np.array([1.0,None,2.0], dtype=np.float)
# Using dtype here is necessary to convert None to np.nan

In [16]: b = np.array([1.0,2.0,2.0]) 

In [17]: np.nansum(np.column_stack((a, b)), 1)
Out[17]: array([2., 2., 4.])