如何将多维numpy数组中的所有字符串值替换为NaN？

下面提供几种实用的处理方案，覆盖不同场景：

1. 直接处理已有的混合类型numpy数组 #

如果已经得到了包含字符串和数字的混合类型numpy数组，可以通过类型判断+替换的方式清理：

import numpy as np

# 模拟杂乱的混合类型数组
raw_arr = np.array([1, '无效值', 3.14, 'NA', 5, ''])

# 向量化判断元素是否为字符串，替换为NaN后转为float类型
cleaned_arr = np.where(
    np.vectorize(lambda x: isinstance(x, str))(raw_arr),
    np.nan,
    raw_arr
).astype(float)

print(cleaned_arr)
# 输出: [ 1. nan 3.14 nan 5. nan]

这里用np.vectorize把类型判断函数转为可批量处理数组的函数，np.where完成替换，最后转成float类型（因为NaN只能存储在浮点数组中）。

2. 借助Pandas快速预处理（推荐） #

Pandas的pd.to_numeric可以自动识别所有无法转为数字的内容，强制转为NaN，处理杂乱字符串更省心：

import numpy as np
import pandas as pd

# 模拟原始数据列表
raw_data = [2, 'xyz', 4.5, '缺失', 7]
# 转为Series后处理
cleaned_series = pd.to_numeric(pd.Series(raw_data), errors='coerce')
# 转成numpy数组
cleaned_arr = cleaned_series.to_numpy()

print(cleaned_arr)
# 输出: [ 2. nan 4.5 nan 7.]

errors='coerce'是核心参数，它会把所有非数字格式的字符串统一转为NaN，不管是'NA'、'缺失'还是空字符串都能处理。

3. 读取文件时直接处理（从源头解决） #

如果数据来自文本文件（如CSV），可以用np.genfromtxt在读取阶段就完成转换，避免后续处理：

import numpy as np

# 假设data.csv内容如下：
# 1,abc,3.14
# NA,5,

# 指定需要识别为缺失值的字符串，自动替换为NaN
cleaned_arr = np.genfromtxt(
    'data.csv',
    delimiter=',',
    missing_values=['abc', 'NA', ''],
    filling_values=np.nan
)

print(cleaned_arr)
# 输出:
# [[ 1. nan 3.14]
#  [nan 5. nan]]

通过missing_values指定所有需要被视为缺失值的字符串标记，filling_values设置替换值为NaN，读取后直接得到干净的浮点数组。

注意事项 #

• 转换后的数组会是float类型，因为整数数组无法存储NaN；如果需要整数，可以后续用np.nan_to_num填充默认值后再转类型。
• 合法的数字格式字符串（如'123'、'4.5'）会被自动转为对应数字，不会被替换为NaN。

内容的提问来源于stack exchange，提问作者Bálint Sass