在有些機器學習和神經網路模型訓練過程中，可能會遇到原始資料集經過預處理後，資料中包含nan、inf等佔位符，導致模型訓練損失函式計算出現偏差，最終導致模型準確率低的問題。所以需要在預處理階段，將該部分資料進行處理操作，常見操作為資料標準化處理後用0代替， 另一種方法是利用插值方法進行資料填充。本部分只講解0填充方法。
**：
import numpy as np
a = np.array([[np.nan, np.nan, 1, 2], [np.inf, np.inf, 3, 4], [1, 1, 1, 1], [2, 2, 2, 2]])
print a
where_are_nan = np.isnan(a)
where_are_inf = np.isinf(a)
a[where_are_nan] = 0
a[where_are_inf] = 0
print a
print np.mean(a)
[[ nan nan 1. 2.]
[ inf inf 3. 4.]
[ 1. 1. 1. 1.]
[ 2. 2. 2. 2.]]
[[ 0. 0. 1. 2.]
[ 0. 0. 3. 4.]
[ 1. 1. 1. 1.]
[ 2. 2. 2. 2.]]
1.375
python將nan, inf轉為特定的數字
最近，處理兩個矩陣的點除，得到結果後，再作其他的計算，發現有些內建的函式不work 檢視得到的資料，發現有很多nan和inf，導致python的基本函式執行不了，這是因為在除的過程中分母出現0的緣故。為了將結果能夠被python其他函式處理，尤其numpy庫，需要將nan，inf轉為python所能...
python將nc檔案轉為tiff
import numpy as np import netcdf4 as nc from osgeo import gdal,osr var sa data r c users 13290 desktop soil data nc format var f nc.dataset data var l...
python將字串轉為矩陣
將字串轉換為矩陣，分為四步 將字串切分為乙個list d 2 3 4 5 6 8 1 2 dlist d.strip split 將list中的 轉換為 dint map int,dlist 將list轉換為array darr np.array dint 將array陣列轉換為矩陣，這裡轉為乙個三...