我有一個長的 1-d numpy 數組，其中有 10% 的缺失值。我想反復將其缺失值（np.nan）更改為其他值。我知道有兩種方法可以做到這一點：data[np.isnan(data)] = 0或功能 np.copyto(data, 0, where=np.isnan(data))有時我想把零放在那里，其他時候我想恢復nans. 我認為np.isnan重復重新計算函數會很慢，最好保存nans的位置。下面代碼的一些計時結果是違反直覺的。我運行了以下內容：import numpy as npimport sysprint(sys.version)print(sys.version_info)print(f'numpy version {np.__version__}')data = np.random.random(100000)data[data<0.1] = 0data[data==0] = np.nan%timeit missing = np.isnan(data)%timeit wheremiss = np.where(np.isnan(data))missing = np.isnan(data)wheremiss = np.where(np.isnan(data))print("Use missing list store 0")%timeit data[missing] = 0data[data==0] = np.nan%timeit data[wheremiss] = 0data[data==0] = np.nan%timeit np.copyto(data, 0, where=missing)print("Use isnan function store 0")data[data==0] = np.nan%timeit data[np.isnan(data)] = 0data[data==0] = np.nan%timeit np.copyto(data, 0, where=np.isnan(data))print("Use missing list store np.nan")data[data==0] = np.nan%timeit data[missing] = np.nandata[data==0] = np.nan%timeit data[wheremiss] = np.nandata[data==0] = np.nan%timeit np.copyto(data, np.nan, where=missing)print("Use isnan function store np.nan")data[data==0] = np.nan%timeit data[np.isnan(data)] = np.nandata[data==0] = np.nan%timeit np.copyto(data, np.nan, where=np.isnan(data))所以這是第一個問題。為什么存儲 a 的時間np.nan比存儲 0 的時間要長近 10 倍？（比較第 6 行和第 7 行與第 11 行和第 12 行）missing與使用函數重新計算缺失值相比，為什么使用存儲的列表需要更長的時間isnan？（比較第 3 行和第 5 行與第 6 行和第 7 行）這只是出于好奇。我可以看到最快的方法是使用np.where獲取索引列表（因為我只有 10% 丟失）。但如果我有更多，事情可能不會那么明顯。