np.where 对 np.nan 的处理(NaN 被评估为值 < 0)

np.where treatment of np.nan (NaNs evaluated as value < 0)

我正在使用 np.where 对浮点数进行逻辑测试以确定值是 > 还是 < 0。由于 pandas 数据帧中有 np.nan 个值计算,我希望 np.where 函数对 np.nan 行进行 "ignore" - 换句话说,将该行保留为 np.nan。我该怎么做?

这是一个包含一些虚拟数据的示例。

import pandas as pd
import numpy as np

#create some dummy data with datetime index
prices = [100, 99, 98, 101, 102, 99]
dates = pd.date_range(start='1/1/2018', end='1/06/2018')
so_df = pd.DataFrame(prices, index=dates)
so_df.columns = ['Close']

#calculate daily % changes
so_df['pct_change'] = so_df.Close.pct_change()

#logic test to determine if pct_change > 0 or not
so_df['greater_zero?'] = np.where(so_df['pct_change'] > 0, 1, 0)

查看数据框,我们可以看到第一行是 np.nan,但 numpy 将其评估为小于零的值,这是不正确的。这应该只是一个 np.nan。

    Close   pct_change  greater_zero?
2018-01-01  100 NaN 0
2018-01-02  99  -0.010000   0
2018-01-03  98  -0.010101   0
2018-01-04  101 0.030612    1
2018-01-05  102 0.009901    1
2018-01-06  99  -0.029412   0

查看 np.where documentation 似乎没有关于如何处理 np.nan 值的嵌入式参数。我也曾尝试嵌入多个 np.where 函数,但无法使其正常工作。还有其他想法吗?

您可以使用 Series.mask 来设置 NaN 值:

so_df['greater_zero?'] = np.where(so_df['pct_change'] > 0, 1, 0)
so_df['greater_zero?'].mask(so_df['pct_change'].isna(),np.nan,inplace=True)

print(so_df)

            Close  pct_change  greater_zero?
2018-01-01    100         NaN            NaN
2018-01-02     99   -0.010000            0.0
2018-01-03     98   -0.010101            0.0
2018-01-04    101    0.030612            1.0
2018-01-05    102    0.009901            1.0
2018-01-06     99   -0.029412            0.0

Series.where:

so_df['greater_zero?'].where(so_df['pct_change'].notna(),np.nan,inplace=True)

您可以这样使用 np.where

so_df['greater_zero?'] = np.where(np.isnan(so_df['pct_change']), so_df['pct_change'], (so_df['pct_change'] > 0).astype(int))

print(so_df)

输出

            Close  pct_change  greater_zero?
2018-01-01    100         NaN            NaN
2018-01-02     99   -0.010000            0.0
2018-01-03     98   -0.010101            0.0
2018-01-04    101    0.030612            1.0
2018-01-05    102    0.009901            1.0
2018-01-06     99   -0.029412            0.0

基本上NaN在哪里使用相同的值否则直接使用比较的值

这可能对您不再有用,但您可以利用 NaN 乘以任何值 returns NaN 这一事实。所以 one-line 解决方案是:

so_df['greater_zero?'] = np.where(so_df['pct_change'] > 0, 1, 0*so_df['pct_change'])

print(so_df)

            Close  pct_change  greater_zero?
2018-01-01    100         NaN           NaN
2018-01-02     99   -0.010000          -0.0
2018-01-03     98   -0.010101          -0.0
2018-01-04    101    0.030612           1.0
2018-01-05    102    0.009901           1.0
2018-01-06     99   -0.029412          -0.0