np的数据处理api

异常值处理函数功能说明简单示例np.clip()将数组中的值限制在指定的最小值和最大值之间。np.clip([-1, 0, 10], 0, 5)返回[0, 0, 5]。np.where()根据条件返回满足条件的元素或进行替换。np.where(arr 0, 0, arr)将所有负数替换为 0。np.percentile()计算数组的指定百分位数。q1, q99 np.percentile(data, [1, 99])计算1%和99%分位数。np.sort()对数组进行排序。np.sort([3,1,2])返回[1,2,3]。缺失值处理函数功能说明简单示例np.isnan()检查数组中的元素是否为NaN缺失值。np.isnan([1, np.nan, 3])返回[False, True, False]。np.nan_to_num()将数组中的NaN替换为 0将无穷大替换为有限数。np.nan_to_num([1, np.nan, 3])返回[1., 0., 3.]。np.nanmean(),np.nanmedian()等忽略NaN值后计算均值、中位数等统计量。np.nanmean([1, np.nan, 3])返回2.0。np.delete()删除数组中指定位置的子数组。np.delete([1,2,3,4], [0,2])返回[2,4]。去重函数功能说明简单示例np.unique()查找数组中的唯一元素并可选地返回索引和计数。np.unique([1,2,2,3])返回[1,2,3]。数据类型转换函数功能说明简单示例arr.astype()将数组转换为指定的数据类型。arr.astype(np.float32)将数组元素转为32位浮点数。数据筛选与替换函数功能说明简单示例np.where()功能同上也常用于基于条件筛选和替换数据。np.where(arr 5, arr, 0)将所有大于5的元素保留其余置0。数据排序与重塑函数功能说明简单示例np.sort()功能同上用于排序。np.sort([3,1,2])返回[1,2,3]。arr.reshape()改变数组的形状而不改变其数据。arr.reshape(-1, 1)将一维数组转为列向量。其他实用功能np.loadtxt()/np.genfromtxt()从文本文件读取数据时可通过missing_values和filling_values参数直接处理缺失值。掩码数组 (numpy.ma模块)创建“掩码数组”在计算时自动忽略被标记为无效或缺失的数据点而无需修改原始数据。小demoimport numpy as np # 1. 原始数据含异常值、缺失值、重复值 raw_data np.array([1.0, 2.0, 999.0, np.nan, 2.0, 3.0, 4.0, 1000.0]) # 2. 处理缺失值用列均值填充 nan_mean np.nanmean(raw_data) data_filled np.where(np.isnan(raw_data), nan_mean, raw_data) # 3. 处理异常值百分位截断法 q1, q99 np.percentile(data_filled, [1, 99]) data_clipped np.clip(data_filled, q1, q99) # 4. 去除重复值 data_unique np.unique(data_clipped) print(data_unique)