Compter le nombre d'éléments non-NaN dans un ndarray numpy en Python

87

J'ai besoin de calculer le nombre d'éléments non-NaN dans une matrice ndarray numpy. Comment faire cela efficacement en Python? Voici mon code simple pour y parvenir:

import numpy as np

def numberOfNonNans(data):
    count = 0
    for i in data:
        if not np.isnan(i):
            count += 1
    return count

Existe-t-il une fonction intégrée pour cela dans numpy? L'efficacité est importante car je fais des analyses Big Data.

Thnx pour toute aide!

python numpy matrix nan jjepsuomi
la source
2
Cette question semble être hors sujet car elle appartient à codereview.stackexchange.com
jonrsharpe
1
Vous voulez dire efficace en termes de mémoire?
Ashwini Chaudhary
+1 Je pensais au temps CPU, mais oui pourquoi pas la mémoire aussi. Le plus rapide et le moins cher, mieux c'est =)
jjepsuomi
3
@jjepsuomi Une version efficace de la mémoire sera sum(not np.isnan(x) for x in a), mais en termes de vitesse, elle est lente par rapport à la version numpy @ M4rtini.
Ashwini Chaudhary
@AshwiniChaudhary Merci beaucoup! J'ai besoin de voir lequel est le plus important dans mon application =)
jjepsuomi

Réponses:

161 
np.count_nonzero(~np.isnan(data))

~inverse la matrice booléenne renvoyée par np.isnan.

np.count_nonzerocompte les valeurs qui ne sont pas 0 \ false. .sumdevrait donner le même résultat. Mais peut-être plus clairement à utilisercount_nonzero

Vitesse de test: 

In [23]: data = np.random.random((10000,10000))

In [24]: data[[np.random.random_integers(0,10000, 100)],:][:, [np.random.random_integers(0,99, 100)]] = np.nan

In [25]: %timeit data.size - np.count_nonzero(np.isnan(data))
1 loops, best of 3: 309 ms per loop

In [26]: %timeit np.count_nonzero(~np.isnan(data))
1 loops, best of 3: 345 ms per loop

In [27]: %timeit data.size - np.isnan(data).sum()
1 loops, best of 3: 339 ms per loop

data.size - np.count_nonzero(np.isnan(data))semble à peine être le plus rapide ici. d'autres données peuvent donner des résultats de vitesse relative différents.

M4rtini
la source
+1 @ M4rtini merci encore! Tu es genial! ; DI acceptera votre réponse dès que possible :)
jjepsuomi
3
Peut-être même numpy.isnan(array).sum()? Je ne suis pas très compétent avec numpy cependant.
msvalkon le
2
@msvalkon, il comptera le nombre de NaN, tandis que OP veut le nombre d'éléments non-NaN.
falsetru
2
@goncalopp stackoverflow.com/questions/8305199/… =)
jjepsuomi
5
Une extension de la réponse @msvalkon: data.size - np.isnan(data).sum()sera légèrement plus efficace.
Daniel
10

Alternative rapide à écrire

Même si ce n'est pas le choix le plus rapide, si les performances ne sont pas un problème, vous pouvez utiliser:

sum(~np.isnan(data)).

Performance:

In [7]: %timeit data.size - np.count_nonzero(np.isnan(data))
10 loops, best of 3: 67.5 ms per loop

In [8]: %timeit sum(~np.isnan(data))
10 loops, best of 3: 154 ms per loop

In [9]: %timeit np.sum(~np.isnan(data))
10 loops, best of 3: 140 ms per loop
GM
la source
Cette réponse fournit la somme qui n'est pas la même que le comptage du nombre d'éléments ... Vous devriez utiliser à la lenplace.
BenT
@BenT la somme des éléments d'un tableau booléen qui remplissent une certaine condition est la même en fournissant le len d'un tableau de sous-ensemble avec les éléments qui remplissent une certaine condition. Pouvez-vous s'il vous plaît préciser où cela ne va pas?
GM
1
Mon erreur j'ai oublié un retour booléen.
BenT
3

Pour déterminer si le tableau est clairsemé, il peut être utile d'obtenir une proportion de valeurs nan

np.isnan(ndarr).sum() / ndarr.size

Si cette proportion dépasse un seuil, utilisez un tableau fragmenté, par exemple - https://sparse.pydata.org/en/latest/

Darren Weber
la source
2

Une alternative, mais un peu plus lente, consiste à le faire sur l'indexation.

np.isnan(data)[np.isnan(data) == False].size

In [30]: %timeit np.isnan(data)[np.isnan(data) == False].size
1 loops, best of 3: 498 ms per loop

La double utilisation de np.isnan(data)et de l' ==opérateur peut être un peu exagérée et j'ai donc posté la réponse uniquement par souci d'exhaustivité.

Manuel
la source