上次代码结果如下：

1、处理数组的缺失值

1、isnan（）函数

isnan（）函数是Numpy模块里的一个可以标记数组中缺失值的位置

代码示例如下：

import numpy as np

ac =np.array([1,2,3,2,3,4,5,9,np.nan,1])

print(ac)

print(np.isnan(ac))

ac[np.isnan(ac)]=0

print(ac)

结果如下：

其中大家可以理解np.isnan()其实就是判定这个数组内有无NaN（Not a number）的函数

然后它将是  “不是数字的”标上True

然后接下来这行其实是我将不是数字的更改成0 所以可以使用这种方法将空缺值进行填入

2、处理属于数组的重复值

unique（）函数

这个函数是将数组中的重读之提取出来然后进行从小到大排序

例：

import numpy as np

ac =np.array([1,2,3,2,3,4,5,9,3,1,8,7,6,5,5])

ac1 =np.unique(ac)

ac1,ac2 =np.unique(ac,return_counts=True)

print(ac1)

print(ac2)

结果如下：

3、拼接数组

1、concatenate()函数

注意点：需要注意在拼接数组过程中我所提及的这几个函数需要保持待合并的数组必须保持维度相同：一维数组与一维数组合并二维数组和二维数组合并

例子：如下

import numpy as np

ac =np.array([1,2,3,2,3,4,5,9,3,1,8,7,6,5,5])

ko =np.array([1,2,3,4,4,5,6,])

at = np.concatenate((ac,ko),axis=0)

print(at)

结果如下：

其中这里的axis与前面的一样 0表示行加  1表示列加

2、hstack函数与vstack函数

其中hstack函数是在行上拼接而vstack函数是在列方向上进行拼接

例子如下：

import numpy as np

ac =np.array([[1,2,3],[5,5,8]])

ko =np.array([[1,2,3],[4,4,5]])

uy = np.hstack((ac,ko))

at = np.vstack((ac,ko))

print(uy)

print(at)

结果如下：