如何统计3D NumPy数组中各坐标分量的非NaN值计数？

有N个尺寸均为M×3的2D NumPy数组，每个数组代表包含M个坐标的单个样本，部分坐标值为np.nan。已知通过堆叠数组并沿axis=0计算均值和标准差的代码：

averaged = np.nanmean(np.array(listOf2dArrays, dtype=np.float64), axis=0)
std      = np.nanstd( np.array(listOf2dArrays, dtype=np.float64), axis=0)

需要生成一个尺寸为M×3的2D数组，其中每个元素对应对应坐标分量的非NaN值计数（即计算均值和标准差时用到的有效样本数量）。

可以利用np.isnan结合求和操作实现，步骤如下：

1. 先将数组列表堆叠为3D数组（形状为N×M×3），和之前计算均值/标准差的操作保持一致；
2. 通过np.isnan标记所有NaN值，取反后得到非NaN值的布尔掩码；
3. 沿样本维度（axis=0）对布尔掩码求和，即可得到每个坐标分量的非NaN值计数。

对应的代码：

# 堆叠为3D数组
stacked_arrays = np.array(listOf2dArrays, dtype=np.float64)
# 计算每个坐标分量的非NaN值数量
counts = (~np.isnan(stacked_arrays)).sum(axis=0)

说明 #

• np.isnan(stacked_arrays)会生成一个和输入形状相同的布尔数组，其中NaN值对应True，非NaN值对应False；
• ~运算符对布尔数组取反，此时非NaN值对应True（求和时会被当作1计算）；
• 沿axis=0求和，就是统计每个(M,3)位置上，N个样本中有多少个非NaN的有效数值，最终得到的counts数组尺寸为M×3，完全符合需求。

内容的提问来源于stack exchange，提问作者TheCat