一、問題？

大多數數據并不是我們自己構造的，存在文件當中。我們需要工具去獲取，但是Numpy其實并不適合去讀取處理數據，這里我們了解相關API，以及Numpy不方便的地方即可。

二、Numpy讀取

• genfromtxt(fname[, dtype, comments, ...]) Load data from a text file, with missing values handled as specified.

?

# 讀取數據 test = np.genfromtxt("./data/numpy_test/test.csv", delimiter=',')

三、如何處理缺失值

3.1什么是缺失值

什么時候numpy中會出現nan：當我們讀取本地的文件為float的時候，如果有缺失(或者為None)，就會出現nan

3.2缺失值處理？

那么，在一組數據中單純的把nan替換為0，合適么？會帶來什么樣的影響？

比如，全部替換為0后，替換之前的平均值如果大于0，替換之后的均值肯定會變小，所以更一般的方式是把缺失的數值替換為均值（中值）或者是直接刪除有缺失值的一行

所以：

• 如何計算一組數據的中值或者是均值
• 如何刪除有缺失數據的那一行（列）在pandas中介紹

t中存在nan值，如何操作把其中的nan填充為每一列的均值 t = array([[ 0., 1., 2., 3., 4., 5.], [ 6., 7., nan, 9., 10., 11.], [ 12., 13., 14., nan, 16., 17.], [ 18., 19., 20., 21., 22., 23.]])

處理邏輯：

?

總結

以上是生活随笔為你收集整理的numpy读取csv_Numpy——IO操作与数据处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。