numpy 对矩阵中Nan的处理:采用平均值的方法

(编辑：jimmy 日期: 2025/11/1 浏览：3 次 )

尽管我们可以将所有的NaN替换成0，但是由于并不知道这些值的意义，所以这样做是个下策。如果它们是开氏温度，那么将它们置成0这种处理策略就太差劲了。

下面我们用平均值来代替缺失值，平均值根据那些非NaN得到。

from numpy import *
datMat = mat([[1,2,3],[4,Nan,6]])
numFeat = shape(datMat)[1]
for i in range(numFeat):
  meanVal = mean(datMat[nonzero(~isnan(datMat[:,i].A))[0],i]) 
  #values that are not NaN (a number)
  datMat[nonzero(isnan(datMat[:,i].A))[0],i] = meanVal 
  #set NaN values to mean

以上这篇numpy 对矩阵中Nan的处理:采用平均值的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

上一篇：python2与python3中关于对NaN类型数据的判断和转换方法
下一篇：Python Numpy:找到list中的np.nan值方法