如何过滤PyTorch一维张量中的np.nan值，得到尺寸为4的张量？

嘿，这事儿其实挺容易搞定的，PyTorch提供了直接检测和过滤NaN的工具，给你两种常用的方案：

方法一：布尔索引（最直观） #

你可以先用torch.isnan()生成一个布尔掩码，标记出所有NaN的位置，然后通过取反掩码来筛选出非NaN的元素：

import numpy as np
import torch

my_list = [0, 1, 2, np.nan, np.nan, 4]
tensor = torch.Tensor(my_list)

# 生成非NaN的掩码，再索引张量
filtered_tensor = tensor[~torch.isnan(tensor)]

这里torch.isnan(tensor)会返回一个和原张量同形状的布尔张量，~符号用来取反（把True和False互换），最后用这个取反后的掩码去索引原张量，就直接得到了不含NaN的新张量。

方法二：使用torch.masked_select() #

如果你想更明确地用PyTorch的官方选择函数，torch.masked_select()专门干这个事儿，用法和布尔索引类似：

filtered_tensor = torch.masked_select(tensor, ~torch.isnan(tensor))

这个函数会根据传入的掩码（这里是非NaN的位置），返回所有符合条件的元素，结果同样是尺寸为4的一维张量。

验证结果 #

你可以打印一下filtered_tensor，会得到：

tensor([0., 1., 2., 4.])

查看形状的话，filtered_tensor.shape会输出torch.Size([4])，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Mathias Byskov