Numpy操作本地数据-代码优化-NaN与inf-如何处理nan

最新推荐文章于 2024-03-05 16:57:47 发布

QiuBeiXianSeng

最新推荐文章于 2024-03-05 16:57:47 发布

阅读量816

点赞数

分类专栏：操作本地数据代码优化如何处理nan 文章标签： numpy 数据分析 python

本文链接：https://blog.csdn.net/QiuBeiXianSeng/article/details/108232744

版权

本文介绍了Numpy如何操作本地数据，包括使用`np.savetxt`和`np.loadtxt`进行数据的读写，重点讲解了如何处理NaN和inf。通过示例展示了如何计数和处理NaN，以及在数据处理中遇到nan时的优化策略，如用非nan值的均值填充缺失值。

摘要由CSDN通过智能技术生成

Numpy操作本地数据

写入本地数据
np.savetxt(fname)
• fname 文件路径
• dtype 数据类型
• delimiter 分隔符
• fmt=’%.18e’ 写入文件的格式，例如：%d，%.2f，%.18e
• converters 对数据预处理。比如{0:func}第0列进行func函数预处理
• header 指定为表头
scores = np.random.randint(0,100,size=(40,2)) # 期中与期末考试
np.savetxt(“scores.csv”,scores,delimiter=",",fmt="%d",header=“期中,期末”,comments="")

保存数据

代码展示：

import numpy as np

# 随机生成数据 40*2  0,100  期末与期中成绩
scores = np.random.randint(0,100,size=(40,2))
print(scores)
print(scores.shape)

np.savetxt("scores.csv",scores,fmt="%d",delimiter=",",header="期中,期末",comments="")

读取本地数据
• np.loadtxt(fname) # 加载文件
• fname 文件路径
• dtype 数据类型
• delimiter 分隔符