numpy处理缺失值填充

最新推荐文章于 2024-11-03 20:17:19 发布

luguanyou

最新推荐文章于 2024-11-03 20:17:19 发布

阅读量1w

点赞数 1

CC 4.0 BY-SA版权

分类专栏：数据分析文章标签： numpy 缺失值处理

本文链接：https://blog.youkuaiyun.com/luguanyou/article/details/96705594

数据分析专栏收录该内容

8 篇文章

订阅专栏

本文介绍了一种使用Python处理二维数组中缺失值的方法。通过计算非缺失值的平均值来填补NaN值，确保数据完整性。这种方法适用于数据分析和预处理阶段。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np

def fill(t):
    for i in range(t.shape[1]):
        temp_col = t[:,i]
        nan_num = np.count_nonzero(temp_col!=temp_col)
        
        if nan_num != 0:
            temp_not_nan_col = temp_col[temp_col == temp_col]
            
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t

t = np.arange(24).reshape((4,6)).astype("float")
t[1,2:] = np.nan
print(t)
t=fill(t)

print(t)