converter o valor nan para zero

Eu tenho uma matriz numpy 2D. Alguns dos valores nesta matriz são NaN. Quero realizar certas operações usando esta matriz. Por exemplo, considere a matriz:

[[   0.   43.   67.    0.   38.]
 [ 100.   86.   96.  100.   94.]
 [  76.   79.   83.   89.   56.]
 [  88.   NaN   67.   89.   81.]
 [  94.   79.   67.   89.   69.]
 [  88.   79.   58.   72.   63.]
 [  76.   79.   71.   67.   56.]
 [  71.   71.   NaN   56.  100.]]

Estou tentando pegar cada linha, uma de cada vez, classificá-la em ordem inversa para obter no máximo 3 valores da linha e tirar sua média. O código que tentei é:

# nparr is a 2D numpy array
for entry in nparr:
    sortedentry = sorted(entry, reverse=True)
    highest_3_values = sortedentry[:3]
    avg_highest_3 = float(sum(highest_3_values)) / 3

Isso não funciona para linhas contendo NaN. Minha pergunta é: existe uma maneira rápida de converter todos os NaNvalores para zero no array numpy 2D para que eu não tenha problemas com a classificação e outras coisas que estou tentando fazer.

Isso deve funcionar:

from numpy import *

a = array([[1, 2, 3], [0, 3, NaN]])
where_are_NaNs = isnan(a)
a[where_are_NaNs] = 0

No caso acima, where_are_NaNs é:

In [12]: where_are_NaNs
Out[12]: 
array([[False, False, False],
       [False, False,  True]], dtype=bool)

Onde Aestá o seu array 2D:

import numpy as np
A[np.isnan(A)] = 0

A função isnanproduz um array bool indicando onde NaNestão os valores. Um array booleano pode ser usado para indexar um array da mesma forma. Pense nisso como uma máscara.

Que tal nan_to_num () ?

Você pode usar np.wherepara encontrar onde tem NaN:

import numpy as np

a = np.array([[   0,   43,   67,    0,   38],
              [ 100,   86,   96,  100,   94],
              [  76,   79,   83,   89,   56],
              [  88,   np.nan,   67,   89,   81],
              [  94,   79,   67,   89,   69],
              [  88,   79,   58,   72,   63],
              [  76,   79,   71,   67,   56],
              [  71,   71,   np.nan,   56,  100]])

b = np.where(np.isnan(a), 0, a)

In [20]: b
Out[20]: 
array([[   0.,   43.,   67.,    0.,   38.],
       [ 100.,   86.,   96.,  100.,   94.],
       [  76.,   79.,   83.,   89.,   56.],
       [  88.,    0.,   67.,   89.,   81.],
       [  94.,   79.,   67.,   89.,   69.],
       [  88.,   79.,   58.,   72.,   63.],
       [  76.,   79.,   71.,   67.,   56.],
       [  71.,   71.,    0.,   56.,  100.]])

Um exemplo de código para a resposta de Drake usar nan_to_num:

>>> import numpy as np
>>> A = np.array([[1, 2, 3], [0, 3, np.NaN]])
>>> A = np.nan_to_num(A)
>>> A
array([[ 1.,  2.,  3.],
       [ 0.,  3.,  0.]])

Você pode usar numpy.nan_to_num :

numpy.nan_to_num (x): Substitua nan por zero e inf por números finitos .

Exemplo (ver doc):

>>> np.set_printoptions(precision=8)
>>> x = np.array([np.inf, -np.inf, np.nan, -128, 128])
>>> np.nan_to_num(x)
array([  1.79769313e+308,  -1.79769313e+308,   0.00000000e+000,
        -1.28000000e+002,   1.28000000e+002])

nan nunca é igual a nan

if z!=z:z=0

então, para uma matriz 2D

for entry in nparr:
    if entry!=entry:entry=0

Você pode usar a função lambda, um exemplo para matriz 1D:

import numpy as np
a = [np.nan, 2, 3]
map(lambda v:0 if np.isnan(v) == True else v, a)

Isso lhe dará o resultado:

[0, 2, 3]

Para seus propósitos, se todos os itens forem armazenados como stre você apenas usar classificados como está usando e, em seguida, verifique o primeiro elemento e substitua-o por '0'

>>> l1 = ['88','NaN','67','89','81']
>>> n = sorted(l1,reverse=True)
['NaN', '89', '88', '81', '67']
>>> import math
>>> if math.isnan(float(n[0])):
...     n[0] = '0'
... 
>>> n
['0', '89', '88', '81', '67']