均值插补法代码

以下是均值插补法的 Python 代码：

import numpy as np

def mean_interpolation(data):
    """
    均值插补法
    :param data: 一维数组，含缺失值
    :return: 一维数组，已插补缺失值
    """
    # 找到缺失值的位置
    missing_index = np.where(np.isnan(data))[0]
    # 计算缺失值前一个和后一个有效值的位置
    before_index = missing_index - 1
    after_index = missing_index + 1
    # 初始化插补后的数组
    interpolated_data = data.copy()
    # 对每个缺失值进行插补
    for i in range(len(missing_index)):
        # 如果缺失值是第一个或最后一个，则取前一个或后一个有效值插补
        if missing_index[i] == 0:
            interpolated_data[0] = interpolated_data[after_index[i]]
        elif missing_index[i] == len(data) - 1:
            interpolated_data[-1] = interpolated_data[before_index[i]]
        # 如果缺失值不是第一个或最后一个，则取前一个和后一个有效值的平均值插补
        else:
            interpolated_data[missing_index[i]] = (interpolated_data[before_index[i]] + interpolated_data[after_index[i]]) / 2
    return interpolated_data

使用方法：

import numpy as np

# 构造含缺失值的一维数组
data = np.array([1, 2, np.nan, 4, np.nan, 6, 7])

# 对缺失值进行均值插补
interpolated_data = mean_interpolation(data)
print(interpolated_data)

输出结果：

[1. 2. 3. 4. 5. 6. 7.]