Numpy：nanargmin 如果行包含所有 NaN，则选择索引 0

Question

给定以下矩阵：

matrix = np.array([[0,np.nan,1],[np.nan,np.nan,np.nan],[1,2,3]])

我想获取最小行值的数组。如果一行包含所有 nan 值，则该行所有 nan 值的索引应为 0。reslting 数组应为。

array([0,0,0])

如果我尝试使用

np.argmin(matrix,axis=1)

那么最小索引就是 np.nan 出现的地方，例如：

array([1, 0, 0])

这是不希望的，如果我使用

np.nanargmin(matrix,axis=1)

我会得到

raise ValueError("All-NaN slice encountered")

Answer 1

使用

numpy.nan_to_num

用无穷大填充 NaN，然后得到

argmin

:

np.argmin(np.nan_to_num(matrix, nan=float('inf')), axis=1)

输出：

array([0, 0, 0])

Answer 2

您可以将数组转换为屏蔽数组，其中所有 np.nan 都被屏蔽，然后获取该数组的 argmin：

np.ma.masked_invalid(matrix).argmin(axis=1)

输出：

array([0, 0, 0], dtype=int64)

Answer 3

这里是使用

np.inf

的哨兵值（例如

xarray

）填充或填充数据的替代方法。它可能适合任何对

np.nanargmin

docs 中的警告持谨慎态度的人，该警告指出：“如果切片仅包含 NaN 和 Infs，则结果不可信。”

xarray.DataArray.idxmin

方法与

np.nanargmin

类似，但返回最小值的坐标而不是其位置。如果坐标是位置，那么此方法几乎与

np.nanargmin

相同。不同之处在于

xarray.DataArray.idxmin

让您为全 NaN 切片设置

fill_value

。

import numpy as np
import xarray as xr

matrix = np.array([[0, np.nan, 1],[np.nan, np.nan, np.nan], [1, 2, 3]])
da = xr.DataArray(matrix, coords={"foo": [0, 1, 2], "bar": [0, 1, 2]})

da.idxmin(dim="bar", fill_value=0)

<xarray.DataArray 'bar' (foo: 3)> Size: 24B
array([0, 0, 0])
Coordinates:
  * foo      (foo) int64 24B 0 1 2