python将nan, inf转为特定的数字

   在有些机器学习和神经网络模型训练过程中，可能会遇到原始数据集经过预处理后，数据中包含Nan、Inf等占位符，导致模型训练损失函数计算出现偏差，最终导致模型准确率低的问题。所以需要在预处理阶段，将该部分数据进行处理操作，常见操作为数据标准化处理后用0代替， 另一种方法是利用插值方法进行数据填充。本部分只讲解0填充方法。

代码：

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)

结果：

[[ 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