Detectar se uma matriz NumPy contém, pelo menos, um valor numérico não-?

Question

Eu preciso escrever uma função que irá detectar se a entrada contém pelo menos um valor que não é numérico. Se um valor não numérico é encontrado eu vou levantar um erro (porque o cálculo só deve retornar um valor numérico). O número de dimensões da matriz de entrada não é conhecido antecipadamente - a função deve dar o valor correcto, independentemente do ndim. Como uma complicação adicional a entrada poderia ser um único float ou numpy.float64 ou mesmo algo excêntrico como uma matriz de dimensão zero.

A maneira óbvia de resolver isso é escrever uma função recursiva que itera sobre cada objeto iterable na matriz até encontrar um não-iterabe. Ele vai aplicar a função numpy.isnan() sobre cada objeto não-iterable. Se pelo menos um valor não numérico é encontrado, em seguida, a função retornará falso imediatamente. Caso contrário, se todos os valores na iterable são numéricos ele irá eventualmente retornar True.

Isso funciona muito bem, mas é muito lento e eu espero que NumPy tem uma muito melhor maneira de fazê-lo. O que é uma alternativa que é mais rápido e mais numpyish?

Aqui está a minha maquete:

def contains_nan( myarray ):
    """
    @param myarray : An n-dimensional array or a single float
    @type myarray : numpy.ndarray, numpy.array, float
    @returns: bool
    Returns true if myarray is numeric or only contains numeric values.
    Returns false if at least one non-numeric value exists
    Not-A-Number is given by the numpy.isnan() function.
    """
    return True

Answer 1

Esta deve ser mais rápido do que a iteração e funcionará independentemente da forma.

numpy.isnan(myarray).any()

Edit: 30x mais rápido:

import timeit
s = 'import numpy;a = numpy.arange(10000.).reshape((100,100));a[10,10]=numpy.nan'
ms = [
    'numpy.isnan(a).any()',
    'any(numpy.isnan(x) for x in a.flatten())']
for m in ms:
    print "  %.2f s" % timeit.Timer(m, s).timeit(1000), m

Resultado:

  0.11 s numpy.isnan(a).any()
  3.75 s any(numpy.isnan(x) for x in a.flatten())

Bonus: ele funciona muito bem para não-matriz tipos Numpy:

>>> a = numpy.float64(42.)
>>> numpy.isnan(a).any()
False
>>> a = numpy.float64(numpy.nan)
>>> numpy.isnan(a).any()
True

Answer 2

Se o infinito é um valor possível, gostaria de usar numpy.isfinite

numpy.isfinite(myarray).all()

Se os avalia acima para True, então myarray não contém, numpy.nan, numpy.inf ou -numpy.inf valores.

numpy.nan será OK com valores numpy.inf, por exemplo:

In [11]: import numpy as np

In [12]: b = np.array([[4, np.inf],[np.nan, -np.inf]])

In [13]: np.isnan(b)
Out[13]: 
array([[False, False],
       [ True, False]], dtype=bool)

In [14]: np.isfinite(b)
Out[14]: 
array([[ True, False],
       [False, False]], dtype=bool)

Answer 3

Com numpy 1.3 ou svn você pode fazer isso

In [1]: a = arange(10000.).reshape(100,100)

In [3]: isnan(a.max())
Out[3]: False

In [4]: a[50,50] = nan

In [5]: isnan(a.max())
Out[5]: True

In [6]: timeit isnan(a.max())
10000 loops, best of 3: 66.3 µs per loop

O tratamento de nans em comparações não foi consistente em versões anteriores.

Answer 4

(np.where(np.isnan(A)))[0].shape[0] será maior do que 0 se A contém, pelo menos, um elemento de nan, A poderia ser uma matriz n x m.

Exemplo:

import numpy as np

A = np.array([1,2,4,np.nan])

if (np.where(np.isnan(A)))[0].shape[0]: 
    print "A contains nan"
else:
    print "A does not contain nan"

Answer 5

Pfft! Microssegundos! Nunca resolver um problema em microssegundos que podem ser resolvidos em nanossegundos.

Note que a resposta aceita:

• itera sobre todo os dados, independentemente de um nan é encontrado
• cria uma matriz temporária de tamanho N, que é redundante.

A melhor solução é retornar True imediatamente quando NAN é encontrada:

import numba
import numpy as np

NAN = float("nan")

@numba.njit(nogil=True)
def _any_nans(a):
    for x in a:
        if np.isnan(x): return True
    return False

@numba.jit
def any_nans(a):
    if not a.dtype.kind=='f': return False
    return _any_nans(a.flat)

array1M = np.random.rand(1000000)
assert any_nans(array1M)==False
%timeit any_nans(array1M)  # 573us

array1M[0] = NAN
assert any_nans(array1M)==True
%timeit any_nans(array1M)  # 774ns  (!nanoseconds)

e obras para a N-dimensões:

array1M_nd = array1M.reshape((len(array1M)/2, 2))
assert any_nans(array1M_nd)==True
%timeit any_nans(array1M_nd)  # 774ns

Compare isso com a solução nativa numpy:

def any_nans(a):
    if not a.dtype.kind=='f': return False
    return np.isnan(a).any()

array1M = np.random.rand(1000000)
assert any_nans(array1M)==False
%timeit any_nans(array1M)  # 456us

array1M[0] = NAN
assert any_nans(array1M)==True
%timeit any_nans(array1M)  # 470us

%timeit np.isnan(array1M).any()  # 532us

O método de saída precoce é de 3 ordens ou aceleração magnitude (em alguns casos). Nada mal para uma simples anotação.