创建一组带有缺失值的numpy数组，用均值将缺失值进行填补

可以使用numpy库中的random模块生成一组随机数组，然后手动将一部分值设置为缺失值（可以用numpy的nan表示），最后用numpy中的mean函数计算均值并用它来填充缺失值，具体操作如下：

import numpy as np

# 生成一组随机数组
arr = np.random.rand(5, 5)

# 将一部分值设置为缺失值
arr[1, 1] = np.nan
arr[3, 2] = np.nan

# 计算均值
mean = np.nanmean(arr)

# 用均值填充缺失值
arr[np.isnan(arr)] = mean

print(arr)

输出结果类似于：

array([[0.53070683, 0.42432282, 0.0581102 , 0.86545721, 0.21922738],
       [0.9353584 , 0.66666667, 0.4401479 , 0.69394211, 0.42297889],
       [0.61689346, 0.44979405, 0.67788301, 0.60527136, 0.42373458],
       [0.72657737, 0.24661147, 0.5360197 , 0.50911343, 0.92338264],
       [0.92432098, 0.0730433 , 0.47539926, 0.94513926, 0.43796703]])

可以看到，缺失值已经被均值填充了。需要注意的是，numpy的mean函数默认忽略缺失值，因此可以直接用它来计算均值。如果想要保留缺失值，可以使用numpy的ma模块。