Есть ли информационная функция для numpy массивов? - PullRequest
Новая
       5

Есть ли информационная функция для numpy массивов?

1 голос
/ 05 февраля 2020

Я ищу некоторую функцию, которая возвращает наиболее важную информацию о numpy .ndarray . Часто я печатаю массивы и получаю совершенно неверное представление о них, поскольку приведенная строка показывает только самые внешние элементы.

Практически я время от времени сталкиваюсь со следующими проблемами:

  • Только внешние элементы - это nan, но он также содержит записи не-nan
  • Где-то скрыто значение nan, что делает необходимым использование функций сохранения nan (например, np.nanmean) () вместо np.mean () )
  • np.inf, что препятствует простому просмотру диапазона значений для конечных значений

В библиотеке pandas есть, например, метод DataFrame.info () . Есть ли подвеска в numpy?

1 Ответ

1 голос
/ 05 февраля 2020

В настоящее время я использую обходной путь , который дает мне результаты типа 

np.ndarray of shape (5, 11)
        ---
        dtype: float64
        contains non-finite elements: nan, inf
        ---
        mean: 8.375849056603775
        min: 0.0
        max: 16.74
        ---
        std: 4.9867932880730885
        mad: 6.434493628314312
        ---
values:
[[ 0.    0.31  0.62  0.93  1.24  1.55  1.86  2.17  2.48  2.79  3.1 ]
 [ 3.41  3.72  4.03  4.34  4.65  4.96  5.27   inf  5.89  6.2   6.51]
 [ 6.82  7.13  7.44  7.75  8.06  8.37  8.68  8.99  9.3   9.61  9.92]
 [10.23 10.54   nan 11.16 11.47 11.78 12.09 12.4  12.71 13.02 13.33]
 [13.64 13.95 14.26 14.57 14.88 15.19 15.5  15.81 16.12 16.43 16.74]]

Это код: 

import numpy as np
from statsmodels.robust import mad

def ndarray_info(arr, verbose=2):
    """returns extensive information about an np.ndarray as string"""

    finArr = arr.flatten()
    finArr = finArr[np.isfinite(finArr)]

    info = ''
    info += f'np.ndarray of shape {arr.shape}\n'
    info += '\t---\n'
    info += f'\tdtype: {arr.dtype}\n'




    info += f'\tcontains non-finite elements: '
    nonFinElLst = []
    if np.isnan(arr).any():
        nonFinElLst += ['nan']
    if np.isinf(arr).any():
        nonFinElLst += ['inf']
    if len(nonFinElLst) > 0:
        info += ', '.join(nonFinElLst) + '\n'
    else:
        info += '--\n'

    info += '\t---\n'
    info += f'\tmean: {np.mean(finArr)}\n'
    info += f'\tmin: {np.min(finArr)}\n'
    info += f'\tmax: {np.max(finArr)}\n'


    if verbose >=1:
        info += '\t---\n'
        info += f'\tstd: {np.std(finArr)}\n'
        info += f'\tmad: {mad(finArr)}\n'

    if verbose >=2:
        info += '\t---\n'
        info += 'values:\n' + str(arr) + '\n'


    return info

arr= np.arange(0,17,.31).reshape(5,11)
arr[3,2] = np.nan
arr[1,7] = np.inf
print(ndarray_info(arr))
...