如何根据numpy数组中的一系列数字用缺失值替换'0'？
How to replace `0`s with missing values according to a series of numbers in a numpy array?
我有一个包含一系列 ints 的 numpy 数组。我想用系列中缺失的值填充 0s。
最初，我在 pandas 数据框的一列中有这些值，但为了简单起见，我决定 post 使用 numpy 数组代替问题。
>>> a = np.array([15, 25, 0, 45, 0, 0, 75, 85])
>>> a
>>> array([15, 25, 0, 45, 0, 0, 75, 85])
我希望输出为，
>>> array([15, 25, 35, 45, 55, 65, 75, 85])
我想在不使用循环的情况下解决这个问题，因为这会破坏使用 numpy 或 pandas 的目的，并且使用循环的代码会慢得多。
我不想用新值替换整个列，这会作为副作用更新 0s。
我只想根据系列用缺失值更新 0s。
pandas 这很简单。您可以使用 interpolate 应用线性插值（其默认插值方法是 linear）：
a = np.array([15, 25, 0, 45, 0, 0, 75, 85])
s = pd.Series(a)
s.mask(s.eq(0)).interpolate()
0 15.0
1 25.0
2 35.0
3 45.0
4 55.0
5 65.0
6 75.0
7 85.0
dtype: float64
我有一个包含一系列 ints 的 numpy 数组。我想用系列中缺失的值填充 0s。
最初，我在 pandas 数据框的一列中有这些值，但为了简单起见，我决定 post 使用 numpy 数组代替问题。
>>> a = np.array([15, 25, 0, 45, 0, 0, 75, 85])
>>> a
>>> array([15, 25, 0, 45, 0, 0, 75, 85])
我希望输出为，
>>> array([15, 25, 35, 45, 55, 65, 75, 85])
我想在不使用循环的情况下解决这个问题，因为这会破坏使用 numpy 或 pandas 的目的，并且使用循环的代码会慢得多。
我不想用新值替换整个列，这会作为副作用更新 0s。
我只想根据系列用缺失值更新 0s。
pandas 这很简单。您可以使用 interpolate 应用线性插值（其默认插值方法是 linear）：
a = np.array([15, 25, 0, 45, 0, 0, 75, 85])
s = pd.Series(a)
s.mask(s.eq(0)).interpolate()
0 15.0
1 25.0
2 35.0
3 45.0
4 55.0
5 65.0
6 75.0
7 85.0
dtype: float64