用python实现数据集的随机缺失

以下是一个用Python实现数据集随机缺失的示例代码：

import numpy as np

def random_missing_data(data, missing_rate):
    """
    随机缺失数据
    :param data: 输入数据集（numpy array格式）
    :param missing_rate: 缺失率（0到1之间的浮点数）
    :return: 缺失后的数据集（numpy array格式）
    """
    data_shape = data.shape
    missing_data = np.copy(data)
    num_missing = int(np.floor(np.prod(data_shape) * missing_rate))
    missing_indices = np.random.choice(np.prod(data_shape), num_missing, replace=False)
    missing_indices = np.unravel_index(missing_indices, data_shape)
    missing_data[missing_indices] = np.nan
    return missing_data

该函数接受一个数据集和缺失率作为参数，并返回一个缺失后的数据集。它使用numpy库来操作数据集。首先，它计算需要缺失的数据的数量，然后从数据集中随机选择这些数据的索引。接下来，它使用numpy的unravel_index函数将一维的索引转换为多维索引，然后将这些数据设置为NaN。最后，它返回缺失后的数据集。

使用示例：

data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
missing_data = random_missing_data(data, 0.3)
print(missing_data)

输出：

[[nan  2.  3.]
 [ 4.  5.  6.]
 [nan  8.  9.]]

在这个示例中，我们使用一个3x3的矩阵作为数据集，然后使用缺失率0.3来生成缺失数据。输出显示，我们随机缺失了两个数据，分别是(0,0)和(2,0)位置的数据。