如果列全部为 nan，则使 numpy.nanargmin 返回 nan

是否可以使用numpy.nanargmin，使其返回numpy.nan，在其中只有 nan 的列上。现在，它提出了一个ValueError，当这种情况发生时。我不能使用numpy.argmin，因为当列中只有几个 nan 时，这将会失败。

http://docs.scipy.org/doc/numpy/reference/ generated/numpy.nanargmin.html http://docs.scipy.org/doc/numpy/reference/generated/numpy.nanargmin.html说ValueError为全南切片而提高。在这种情况下，我希望它返回 numpy.nan （只是为了进一步用 nan 掩盖“非数据”）

接下来的一点就是这样做的，但是速度超级慢并且不是真正的Pythonic：

for i in range(R.shape[0]):
    bestindex = numpy.nanargmin(R[i,:])
    if(numpy.isnan(bestindex)):
        bestepsilons[i]=numpy.nan
    else:
        bestepsilons[i]=epsilon[bestindex]

接下来的一点也有效，但前提是不涉及所有 nan 列：

ar = numpy.nanargmin(R, axis=1)
bestepsilons = epsilon[ar]

所以理想情况下我希望最后一点也能与全纳米列一起使用

>>> def _nanargmin(arr, axis):
...    try:
...       return np.nanargmin(arr, axis)
...    except ValueError:
...       return np.nan

Demo:

>>> a = np.array([[np.nan]*10, np.ones(10)])
>>> _nanargmin(a, axis=1)
nan
>>> _nanargmin(a, axis=0)
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

无论如何，这不太可能是你想要的。不确定你到底在追求什么。如果您只想过滤掉nans，然后使用布尔索引：

>>> a[~np.isnan(a)]
array([ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.])
>>> np.argmin(_)
0

EDIT2：看起来您正在寻找屏蔽数组：

>>> a = np.vstack(([np.nan]*10, np.arange(10), np.arange(11, 1, -1)))
>>> a[2, 4] = np.nan
>>> m = np.ma.masked_array(a, np.isnan(a))
>>> np.argmin(m, axis=0)
array([1, 1, 1, 1, 1, 1, 2, 2, 2, 2])
>>> np.argmin(m, axis=1)
array([0, 0, 9])