基于NumPy/Python的简短模拟：含NaN数组的simu函数应用问题

要把你的simu函数应用到NumPy数组的每一行，我们可以用NumPy的np.apply_along_axis函数实现逐行处理，同时还能优化原函数的NaN判断逻辑，让代码可读性更高。

步骤1：优化自定义函数 #

原函数通过np.sum(d)是否为NaN间接判断行内是否存在缺失值，我们可以直接检查行内的NaN情况，逻辑更直观：

import numpy as np

def simu(d):
    # 直接检查当前行是否包含NaN值
    if not np.isnan(d).any():
        # 计算三个指定区间的均值（注意NumPy切片是左闭右开）
        a = d[1:4].mean()  # 取索引1-3的元素求均值
        b = d[3:6].mean()  # 取索引3-5的元素求均值
        c = d[6:9].mean()  # 取索引6-8的元素求均值
        res = [[a, b, c]]
    else:
        res = 'error'
    return res

步骤2：定义目标数组 #

data = np.array([[1, 2, 3, 4, 5, 6, 7, 8, 9], 
                 [1, 2, 3, 4, 5, 6, np.nan, np.nan, np.nan], 
                 [4, 3, 5, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]])

步骤3：逐行应用函数 #

使用np.apply_along_axis，指定axis=1表示沿着行的方向处理（每一行作为参数传入simu函数）：

results = np.apply_along_axis(simu, axis=1, arr=data)
print(results)

最终输出 #

运行代码后会得到如下结果：

[[list([3.0, 5.0, 8.0])]
 ['error']
 ['error']]

第一行无缺失值，成功计算出三个区间的均值；第二、三行包含NaN，因此返回error。

如果需要结果格式更统一（比如所有结果都返回数组类型），可以把else分支的返回值改成[[np.nan, np.nan, np.nan]]，这样后续处理会更方便。

内容的提问来源于stack exchange，提问作者user9703788