如何从给定的 NumPy 数组中删除 NaN 值？

在 NumPy 中，我们可以使用 numpy.isnan() 函数来判断数组中的元素是否为 NaN（Not a Number）。然后，我们可以使用布尔索引（Boolean indexing）来删除 NaN 值。

具体示例如下：

import numpy as np

# 构造一个含有 NaN 值的数组
arr = np.array([1, 2, np.nan, 3, np.nan, 4])

# 判断数组中的元素是否为 NaN，得到一个布尔型数组
mask = np.isnan(arr)

# 使用布尔索引删除数组中的 NaN 值
new_arr = arr[~mask]

print(new_arr)  # 输出 [1. 2. 3. 4.]

在上面的示例中，我们首先构造了一个含有 NaN 值的数组。然后，使用 numpy.isnan() 函数得到了一个布尔型数组 mask，其中 True 表示对应的元素是 NaN，False 表示对应的元素不是 NaN。最后，我们使用了布尔索引 ~mask 来删除数组中的 NaN 值，得到了一个新的数组 new_arr。

需要注意的是，如果数组中还包含了其他的非数值类型（如字符串），我们需要先将其转换为 NaN 值，再进行删除操作。可以使用 numpy.nan 函数将其转换为 NaN 值。

import numpy as np

# 构造一个含有非数值类型的数组
arr = np.array([1, 2, 'a', 3, 'b', 4])

# 将非数值类型转换为 NaN 值
arr = np.where(np.char.isdigit(arr), arr, np.nan)

# 判断数组中的元素是否为 NaN，得到一个布尔型数组
mask = np.isnan(arr)

# 使用布尔索引删除数组中的 NaN 值
new_arr = arr[~mask]

print(new_arr)  # 输出 [1. 2. 3. 4.]

在上面的示例中，我们使用了 numpy.char.isdigit() 函数来判断数组中的元素是否为数字类型。如果是数字类型，则返回对应的元素；否则，返回 NaN 值。然后，使用和上面相同的方法进行删除操作。

总之，从给定的 NumPy 数组中删除 NaN 值可以使用 numpy.isnan() 函数和布尔索引进行实现。对于含有其他非数值类型的数组，我们需要先将其转换为 NaN 值，再进行删除操作。