如何快速移除列表Ave中各子数组的NaN值？现有代码运行缓慢

我来帮你优化这段代码！你的原代码运行慢主要有两个原因：一是嵌套了多层循环（外层遍历Ave、中间重复8次的while循环、内层遍历子数组元素），二是频繁使用del操作——在列表里删除元素是线性时间复杂度，每次删除都要移动后续元素，数据量越大越慢。

用numpy的向量化操作可以彻底解决这个问题，效率会提升很多。直接看优化后的代码：

import numpy as np

# 假设你的Ave列表结构如下
Ave = [
    np.array([np.nan]), 
    np.array([0.03030303]), 
    np.array([0.025]), 
    np.array([0.03546099]), 
    np.array([0.02877698]), 
    np.array([0.05343511]), 
    np.array([np.nan]), 
    np.array([np.nan])
]

# 核心优化：列表推导式 + numpy布尔索引过滤NaN
Ave_cleaned = [sub_arr[~np.isnan(sub_arr)] for sub_arr in Ave]

为什么这个方案更快？ #

• numpy向量化操作：np.isnan(sub_arr)会一次性生成一个和子数组长度相同的布尔数组，标记哪些元素是NaN；~取反后就能拿到所有非NaN元素的索引，直接通过索引提取元素——这部分是numpy内部用C实现的，比纯Python循环快几个数量级。
• 简洁高效的列表推导式：替代了多层嵌套的for-while循环，语法更简洁，执行效率也更高。

结果说明 #

• 对于原本全是NaN的子数组（比如你的Ave[0]、Ave[6]、Ave[7]），过滤后会得到空的numpy数组，和你原代码的处理结果一致。
• 如果需要过滤掉空数组，可以在列表推导式里加个判断：

  Ave_cleaned = [sub_arr[~np.isnan(sub_arr)] for sub_arr in Ave if len(sub_arr[~np.isnan(sub_arr)]) > 0]
  

内容的提问来源于stack exchange，提问作者user8787011