Numpy 是 Python 中一个强大的数学库，它提供了高效的数值计算功能。在处理数据时，我们经常会遇到缺失值（NaN，Not a Number）的情况。Numpy 提供了创建和管理包含 NaN 的矩阵的功能，这使得处理缺失数据变得简单。
什么是 NaN？
NaN 是一个特殊的浮点数值，表示“不是一个数字”。在 Numpy 中，任何使用 np.nan 创建的值，或者任何涉及 NaN 的数学运算的结果，都会被自动转换为 NaN。
创建包含 NaN 的矩阵
1. 使用 np.nan 创建
你可以直接使用 np.nan 来创建一个全为 NaN 的矩阵。
import numpy as np
nan_matrix = np.nan
print(nan_matrix)
2. 使用 np.full 或 np.zeros 创建
你也可以使用 np.full 或 np.zeros 来创建一个特定形状的矩阵，并用 NaN 或零填充。
import numpy as np
nan_matrix = np.full((3, 3), np.nan)
print(nan_matrix)
zero_matrix = np.zeros((3, 3))
print(zero_matrix)
3. 使用 np.random.nan 创建
如果你想要一个随机填充了 NaN 的矩阵，可以使用 np.random.nan。
import numpy as np
random_nan_matrix = np.random.nan((3, 3))
print(random_nan_matrix)
管理和操作 NaN 值
1. 删除 NaN 值
使用 np.isnan 可以检测矩阵中的 NaN 值，然后使用布尔索引来删除它们。
import numpy as np
nan_matrix = np.full((3, 3), np.nan)
print("Original matrix:")
print(nan_matrix)
# 删除 NaN 值
non_nan_matrix = nan_matrix[~np.isnan(nan_matrix)]
print("\nMatrix without NaN values:")
print(non_nan_matrix)
2. 替换 NaN 值
你可以使用 np.nan_to_num 或 np.nan_to_zero 来替换 NaN 值。
import numpy as np
nan_matrix = np.full((3, 3), np.nan)
print("Original matrix:")
print(nan_matrix)
# 替换 NaN 值为 0
non_nan_matrix = np.nan_to_num(nan_matrix, nan=0)
print("\nMatrix with NaN values replaced by 0:")
print(non_nan_matrix)
3. 处理 NaN 值
在计算中，NaN 会影响结果。使用 np.nanmean 或 np.nanstd 等函数可以忽略 NaN 值进行计算。
import numpy as np
nan_matrix = np.full((3, 3), np.nan)
print("Original matrix:")
print(nan_matrix)
# 计算 NaN 值被忽略的平均值
mean_value = np.nanmean(nan_matrix)
print("\nMean value (ignoring NaN):", mean_value)
通过以上方法，你可以轻松地创建和管理包含 NaN 的 Numpy 矩阵。记住，处理 NaN 值是数据分析中的一个重要环节，正确地处理它们可以避免数据错误和计算异常。