如何在Python中优雅地填充NumPy数组中的缺失数据

轻强同学_3645

轻强同学_3645

2026-09-19

898人浏览

原创

用np.nan初始化数组后赋值会触发隐式类型转换,导致原意图的int/bool语义丢失;应优先选dtype=object或显式浮点型,整型缺失宜用pandas的pd.NA;填充须用向量化操作如np.where而非循环,注意内存视图是否改变。

如何在python中优雅地填充numpy数组中的缺失数据

用 np.nan 初始化数组后,直接赋值会失效?

NumPy 数组一旦用 np.nan 初始化(比如 np.full(shape, np.nan)),后续对部分元素赋值为整数或布尔值时,会触发隐式类型转换——整个数组可能悄悄变成 float64,而你原本想保留 int 或 bool 语义。这不是 bug,但容易被忽略。

  • 如果目标是“占位+后期填充”,优先用 dtype=object 或明确指定浮点型(如 dtype=np.float32)初始化
  • 若必须保持整型且允许缺失语义,改用 pd.NA 配合 pandas 更稳妥;纯 NumPy 下,np.int32 数组无法存 np.nan,会转成 np.nan → 0 或报错
  • 检查方式:填充后立刻执行 arr.dtype 和 np.isnan(arr).any(),别只看数值输出

用 np.where 填充缺失值比循环快得多

很多人写 for i in range(len(arr)): 扫描 np.isnan(arr[i]) 再赋值,这在百万级数据上慢一个数量级。NumPy 的向量化操作才是正解。

  • 基础填充:假设 arr 是一维浮点数组,用均值填充:arr = np.where(np.isnan(arr), np.nanmean(arr), arr)
  • 注意 np.nanmean 自动跳过 np.nan,但若全为 np.nan 会返回 nan,需加判断:fill_val = np.nanmean(arr) if not np.all(np.isnan(arr)) else 0
  • 二维数组按列填充均值:用 axis=0 + keepdims=True 对齐广播维度,例如 col_means = np.nanmean(arr, axis=0, keepdims=True),再 np.where(np.isnan(arr), col_means, arr)

np.interp 处理单调坐标下的缺失值更自然

当缺失发生在有明确自变量顺序的场景(如时间序列、传感器采样点),线性插值比全局均值/中位数更合理。但 np.interp 要求 x 坐标严格递增,且不接受 np.nan 作为输入。

Python 环境工具基础版
Python 环境工具基础版

管理 Python 项目环境,支持虚拟环境创建、依赖安装与环境诊断

下载
  • 先提取非空位置:valid_mask = ~np.isnan(arr),再构造坐标轴 x = np.arange(len(arr))[valid_mask],值 y = arr[valid_mask]
  • 插值前务必检查 len(x) >= 2,否则 np.interp 报 ValueError: array must have at least 2 elements
  • 对整列做插值:用 np.interp(np.arange(len(arr)), x, y),结果自动补齐所有位置,包括首尾的 np.nan(此时会外推,需留意)

混合类型缺失(字符串+数字)只能靠 object dtype 或转向 pandas

NumPy 的核心限制在于:一个数组只能有一种 dtype。np.nan 是浮点字面量,无法和字符串共存于同一 ndarray。试图把 'missing' 和 np.nan 放进同一个 object 数组,虽可行,但失去向量化优势。

  • 字符串列缺失:用 None 或 ' ' 占位,dtype=object,但后续不能用 np.isnan 检测,得用 is None 或 == ''
  • 混合列(如 CSV 中一列含数字和空字符串):直接读入时用 np.genfromtxt(..., missing_values='', filling_values=np.nan),但最终 dtype 仍会退化为 float64,丢失原始类型信息
  • 真实业务中,这种需求基本该交给 pandas.DataFrame —— 它原生支持每列独立 dtype 和多种缺失标识(NaN, None, pd.NA)

最常被绕过的细节是:填充操作是否改变了原始数组的内存视图。用 np.where 或 np.copy 得到的是新数组,而直接索引赋值(如 arr[mask] = value)是原地修改——如果这个数组被其他变量引用,副作用会扩散。动手前先想清楚你要的是副本还是就地更新。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1931

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5484

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33477

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3927

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3927

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3043

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程