查找NumPy数组中类型转换失败的元素索引

我完全懂你碰到的这个麻烦——手里的一维NumPy字符串数组要转成int、float或者datetime类型，但总有几个“不听话”的元素不符合规则，直接转换就报错，比如：

np.array(['10', '20', 'a'], dtype=int)
... ValueError: invalid literal for int() with base 10: 'a'

想找出这些无效值的索引（比如上面例子里的索引2），解析错误信息确实不是靠谱的办法，这里给你几个更实用的解决方案：

方法1：针对整数类型的快速筛选 #

如果你的目标类型是int，可以用NumPy的字符处理函数快速定位无效元素：

import numpy as np

arr = np.array(['10', '20', 'a', '30b'])
# 取反得到非数字的元素索引
invalid_indices = np.where(~np.char.isdigit(arr))[0]
print(invalid_indices)  # 输出 [2 3]

⚠️ 注意：这个方法对带负号的整数（比如'-10'）或者小数不适用，如果要处理这类情况，得调整判断逻辑，比如检查是否是正负数字开头。

方法2：通用型逐元素校验（适配所有类型） #

不管你要转int、float还是datetime，这个方法都能用。核心思路是遍历每个元素，尝试转换并捕获异常，把转换失败的索引记录下来：

import numpy as np
from datetime import datetime

def find_invalid_indices(arr, target_type, date_format='%Y-%m-%d'):
    invalid_indices = []
    for idx, val in enumerate(arr):
        try:
            if target_type == datetime:
                # 可根据你的实际日期格式调整参数
                datetime.strptime(val, date_format)
            else:
                target_type(val)
        except (ValueError, TypeError):
            invalid_indices.append(idx)
    return np.array(invalid_indices)

# 测试转int
arr = np.array(['10', '20', 'a'])
print(find_invalid_indices(arr, int))  # 输出 [2]

# 测试转datetime
date_arr = np.array(['2023-01-01', '2023-02-30', '2023-03-15'])
print(find_invalid_indices(date_arr, datetime))  # 输出 [1]

这个方法虽然是遍历，但对于常规规模的数组来说效率完全够用，而且兼容性拉满，几乎能处理所有类型的转换校验。

方法3：用np.genfromtxt处理数值类型转换 #

如果只是转int或float，np.genfromtxt是个省心的选择——它会自动把无效值标记为np.nan（整数类型可以用掩码），之后直接找nan或掩码的索引就行：

import numpy as np

arr = np.array(['10', '20', 'a', '3.14', 'b'])
# 转float，无效值转为nan
converted_float = np.genfromtxt(arr, dtype=float)
invalid_indices_float = np.where(np.isnan(converted_float))[0]
print(invalid_indices_float)  # 输出 [2 4]

# 转int，用掩码标记无效值
converted_int = np.genfromtxt(arr, dtype=int, usemask=True)
invalid_indices_int = np.where(converted_int.mask)[0]
print(invalid_indices_int)  # 输出 [2 3 4]

这个方法代码简洁，适合纯数值转换的场景，不用自己写循环和异常捕获。

内容的提问来源于stack exchange，提问作者Alex Hall