numpy如何填充nan

NumPy是一个强大的Python库，用于处理大型多维数组和矩阵，它提供了许多高效的操作和函数。对于填充NaN（Not a Number）值，NumPy提供了几种方法，这些值通常表示数据缺失或未定义。以下是使用NumPy填充NaN的一些常见方式：

1. `numpy.nan`：直接使用NumPy提供的`nan`常量进行填充。

   import numpy as np
   arr = np.array([1, 2, np.nan, 4])
   arr_filled = np.nan_to_num(arr)

这里，`np.nan_to_num()`会将所有NaN替换为0，但如果没有这个函数，可以直接用`arr.fill(np.nan)`或`arr[arr == np.nan] = value`。

2. `fillna()`方法：适用于Pandas DataFrame，NumPy本身没有这个方法，但你可以先将数组转换为DataFrame，然后用此方法填充NaN。

   df = pd.DataFrame(arr)
   df_filled = df.fillna(value)

3. 使用条件语句：根据特定条件替换NaN。

   arr_filled = arr.copy()
   arr_filled[arr_filled != arr_filled] = some_value  # 填充非数值类型的数据

4. 插值法：使用`numpy.interp()`函数或`scipy.interpolate`模块对NaN进行插值。

   from scipy.interpolate import interp1d
   f = interp1d(np.arange(len(arr)), arr, kind='linear', fill_value=np.nan)
   arr_filled = f(np.arange(len(arr)))