如何仅用Numpy合并含numpy.NaN的布尔数组？

现有两个Numpy数组：

• 第一个数组a1仅包含布尔值True/False
• 第二个数组a2的元素可以是True、False，也可以是numpy.NaN

需要按以下规则合并两个数组：若a2对应位置的值为numpy.NaN，则取a1对应位置的值；否则取a2的布尔值。已知通过循环可实现该需求，询问能否仅使用Numpy完成此计算？

示例代码 #

# 示例1
a1 = np.array([True, False, True, False, True], dtype=object)
a2 = np.array([np.NaN, np.NaN, np.NaN, np.NaN, np.NaN], dtype=object)
output = a1.combinaficate(a2)
# 输出: [True, False, True, False, True]

# 示例2
a1 = np.array([True, False, True, False, True], dtype=object)
a2 = np.array([np.NaN, True, np.NaN, False, np.NaN], dtype=object)
output = a1.combinaficate(a2)
# 输出: [True, True, True, False, True]

# 示例3
a1 = np.array([True, True, True, True, True], dtype=object)
a2 = np.array([np.NaN, np.NaN, np.NaN, False, np.NaN], dtype=object)
output = a1.combinaficate(a2)
# 输出: [True, True, True, False, True]

# 示例4
a1 = np.array([False, False, False, False, False], dtype=object)
a2 = np.array([np.NaN, np.NaN, True, False, np.NaN], dtype=object)
output = a1.combinaficate(a2)
# 输出: [False, False, True, False, False]

纯Numpy实现方案 #

完全可以用Numpy原生方法实现，核心利用NaN不等于自身的特性生成掩码，结合np.where完成值的替换：

import numpy as np

def combinaficate(a1, a2):
    # 生成掩码：标记a2中所有NaN的位置
    nan_mask = a2 != a2
    # 按规则合并数组
    return np.where(nan_mask, a1, a2)

# 测试示例1
a1 = np.array([True, False, True, False, True], dtype=object)
a2 = np.array([np.NaN, np.NaN, np.NaN, np.NaN, np.NaN], dtype=object)
print(combinaficate(a1, a2))  # [True False True False True]

# 测试示例2
a1 = np.array([True, False, True, False, True], dtype=object)
a2 = np.array([np.NaN, True, np.NaN, False, np.NaN], dtype=object)
print(combinaficate(a1, a2))  # [True True True False True]

# 测试示例3
a1 = np.array([True, True, True, True, True], dtype=object)
a2 = np.array([np.NaN, np.NaN, np.NaN, False, np.NaN], dtype=object)
print(combinaficate(a1, a2))  # [True True True False True]

# 测试示例4
a1 = np.array([False, False, False, False, False], dtype=object)
a2 = np.array([np.NaN, np.NaN, True, False, np.NaN], dtype=object)
print(combinaficate(a1, a2))  # [False False True False False]

原理说明

• nan_mask = a2 != a2：NaN的特性是与任何值比较都不相等（包括自身），因此这条语句会生成一个布尔掩码，其中a2为NaN的位置对应True，其他位置对应False。
• np.where(nan_mask, a1, a2)：遍历数组每个位置，若掩码为True（即a2对应位置是NaN），则取a1的值；否则取a2的值，完全符合需求。

内容的提问来源于stack exchange，提问作者Shmack