如何在Python中移除不同维度Numpy数组中的NaN值

要解决这个问题，核心是先找到同时满足X对应行无NaN、y对应位置无NaN的行索引，再用这个索引统一过滤两个数组。

具体实现步骤 #

1. 确保导入numpy（import numpy as np）
2. 检测NaN位置：
   • 对二维数组X，用np.isnan(X).any(axis=1)生成每行是否含NaN的布尔数组（True表示该行有NaN）
   • 对一维数组y，用np.isnan(y)生成每个元素是否为NaN的布尔数组
3. 筛选保留行：通过逻辑运算合并两个条件，取反后得到需要保留的行索引：keep_rows = ~(np.isnan(X).any(axis=1) | np.isnan(y))（~取反，|表示逻辑或，即只要X行或y元素有NaN就排除）
4. 过滤数组：用布尔索引分别处理X和y：X_clean = X[keep_rows]、y_clean = y[keep_rows]

结合你的代码完整示例 #

import numpy as np
from numpy import array
import pandas as pd

def split_sequence(sequence, n_steps):
    X, y = list(), list()
    for i in range(len(sequence)):
        end_ix = i + n_steps
        if end_ix > len(sequence)-1:
            break
        seq_x, seq_y = sequence[i:end_ix], sequence[end_ix]
        X.append(seq_x)
        y.append(seq_y)
    return array(X), array(y)

# 模拟你的传感器数据
df_sensorRefill = pd.DataFrame({
    'sensor': [1.7, 2.3, 3.4, np.nan, 4.6, 4.8, np.nan, np.nan, np.nan, np.nan]
})

n_steps = 3
sequence = df_sensorRefill['sensor'].to_list()
X, y = split_sequence(sequence, n_steps)

# 清理含NaN的行
keep_rows = ~(np.isnan(X).any(axis=1) | np.isnan(y))
X_clean = X[keep_rows]
y_clean = y[keep_rows]

# 验证结果
for x_row, y_val in zip(X_clean, y_clean):
    print(x_row, y_val)

输出结果 #

运行后会得到你期望的干净数据：

[1.7 2.3 3.4] 4.2
[2.3 3.4 4.2] 4.6
[4.2 4.6 4.8] 4.6

内容的提问来源于stack exchange，提问作者Aggy