numpy中的nan填充

先上结论，

找np.nan填充的没有现场方法可以调用。

于是手写了一个一维数组的nan填充方法，可以直接拿去使用。

填充方法

平均数填充，
最大最小值填充~~（奇奇怪怪）~~ ，
还有用0填充。

import numpy as np


# 定义函数fill1Dnan，用于填充一维NumPy数组中的NaN值
def fill1Dnan(values,method='mean'):
    '''
    values:需填充的一维数组.
    method:填充方式.默认用均值填充。

        'mean':非NAN的均值填充
        'max': 最大值填充
        'min': 最小值填充
        'zero': 用0填充。
    '''
    if not isinstance(values,numpy.ndarray):
        values=numpy.array(values)
    if values.ndim==1:
        new_array=np.array([ x  for x in values if not np.isnan(x) ])
        if len(new_array)==0:
            return values
        if len(new_array)==len(values):
            return np.array([])

        if method=='mean':
            fillvalue=np.mean(new_array)
            result_array=np.array([fillvalue if np.isnan(x) else x for x in values ])
        elif method =='max':
            fillvalue=np.max(new_array)
            result_array=np.array([fillvalue if np.isnan(x) else x for x in values ])

        elif method=='min':
            fillvalue=np.min(new_array)
            result_array=np.array([fillvalue if np.isnan(x) else x for x in values ])
        elif method=='zero':
            result_array=np.array([0 for x in values if np.isnan(x)])
        else:
            raise Exception (method,' method is not support !')
        return result_array
    else:
        raise Exception ('values too many dims.')


# 主程序入口
if __name__ == '__main__':
    # 创建一个浮点数数组，并赋值
    v = np.arange(24).astype(float)
    # 将数组隔三个数就设置为NaN
    v=np.array([np.nan if i %4 ==0 else v[i] for i in range(24)])
    # 打印原始数组
    print(v)
    # 定义填充方法
    method='mean'
    # 调用填充函数
    res = fill1Dnan(v,method)
    # 打印填充后的数组
    print(res)