在使用Numpy进行数据清洗时，需要处理两类常见的异常值：NaN和重复值。下面分别介绍如何处理这两类值。

对于NaN值，可使用np.isnan()函数进行查找。该函数会返回一个布尔数组，指示原数组中哪些元素是NaN。例如，若直接调用np.isnan(arr)，则将得到一个与原数组相同形状的布尔数组，其中True表示元素是NaN。

如果需要自定义输出数组，可以利用out参数指定。如果提供的数组形状与输入数组可以广播匹配，则输出结果将存储在指定数组中；若未提供或为None，则返回一个新分配的数组。

在大规模科学计算中，经常需要生成特定形状的数组。此时，可以使用np.ones_like(a)、np.zeros_like(a)或np.full_like(a,val)方法，其中a为输入数组，生成全1、全0或每个元素值为val的数组。

对于去除重复数据，NumPy的unique函数提供了便利的方法。调用np.unique()函数后，返回的是一个排序过的元素数组。通过设置参数，可以进一步获取重复元素在原数组中的索引、新数组中每个元素的下标，以及每个元素在原数组中出现的次数。

使用unique函数时，可以通过设置return_index=True参数获取unique values在原数组中的索引，返回_index参数获取新数组中每个元素的下标，设置return_counts=True获取每个unique value的出现次数。这为后续的数组重构提供了基础。

在处理二维数组时，可以利用return_inverse=True参数获取唯一行。参数axis的设置决定了是否去除重复列，但不改变原数组的维度。

在数据清洗过程中，不同函数和方法对于处理空值和重复数据各有优势。掌握这些工具和技巧，可以更高效地进行数据预处理。

标签 numpy