numpy数组与nan与标量的不等式比较

!=将NaN与非NaN值进行任何比较（除之外）将始终返回False：

>>> x < -1000
array([False, False, False,  True, False, False], dtype=bool)

因此，您可以简单地忽略数组中已经存在NaN的事实，然后执行以下操作：

>>> x[x < -1000] = np.nan
>>> x
array([ nan,   1.,   2.,  nan,  nan,   5.])

当我执行以上操作时，我没有看到任何警告，但是如果您确实需要远离NaN，则可以执行以下操作：

mask = ~np.isnan(x)
mask[mask] &= x[mask] < -1000
x[mask] = np.nan

我试图将数组的成员设置为小于nan的阈值。这是QA / QC过程的一部分，传入数据可能已经具有nan插槽。

例如，我的阈值可能是-1000，因此我想在以下数组中将-3000设置为nan

x = np.array([np.nan,1.,2.,-3000.,np.nan,5.])

以下内容：

x[x < -1000.] = np.nan

产生正确的行为，但也会产生RuntimeWarning，但会产生禁用警告的开销

warnings.filterwarnings("ignore")
...
warnints.resetwarnings()

有点沉重，可能有点不安全。

尝试使用花式索引进行两次索引如下所示不会产生任何效果：

nonan = np.where(~np.isnan(x))[0]
x[nonan][x[nonan] < -1000.] = np.nan

我认为这是因为复制是由于整数索引或两次使用索引而产生的。

有谁有一个相对简单的解决方案？在此过程中使用带掩码的数组会很好，但是最终产品必须是ndarray，我不能介绍新的依赖项。谢谢。