利用Numpy对特征中的异常值进行替换及条件替换

   原始数据为Excel文件，由传感器获得，通过Pyhton xlrd模块读入，读入后为数组形式，由于其存在部分异常值和缺失值，所以便利用Numpy对其中的异常值进行替换或条件替换。

1. 将'nan'替换为给定值

import numpy as np

data = np.array([['nan', 1, 2, 3, 4],  # 数据类型为字符串型
                [10, 15, 20, 25, 'nan'],
                ['nan', 5, 8, 10, 20]])
print(data)
# [['nan' '1' '2' '3' '4']
# ['10' '15' '20' '25' 'nan']
# ['nan' '5' '8' '10' '20']]

data[data == 'nan'] = 100  # 将numpy中为'nan'的项替换为 100
print(data)
# [['100' '1' '2' '3' '4']
#  ['10' '15' '20' '25' '100']
#  ['100' '5' '8' '10' '20']]

data = data.astype(float)  # 将数据由字符型转换为浮点型
print(data)
# [[100.   1.   2.   3.   4.]
#  [ 10.  15.  20.  25. 100.]
#  [100.   5.   8.  10.  20.]]

2. 按列进行条件替换

   当利用'3σ准则'或者箱型图进行异常值判断时，通常需要对 > upper 或 < lower的值进行处理，这时就需要按列进行条件替换了。

print(data)
# [[100.   1.   2.   3.   4.]
#  [ 10.  15.  20.  25. 100.]
#  [100.   5.   8.  10.  20.]]

data[:, 1][data[:, 1] < 5] = 5  # 对第2列小于 5 的替换为5
print(data)
# [[100.   5.   2.   3.   4.]
#  [ 10.  15.  20.  25. 100.]
#  [100.   5.   8.  10.  20.]]

data[:, 2][data[:, 2] > 15] = 10  # 对第3列大于 15 的替换为10
print(data)
# [[100.   5.   2.   3.   4.]
#  [ 10.  15.  10.  25. 100.]
#  [100.   5.   8.  10.  20.]]