如何将Excel导入的NumPy ndarray中字符串替换为NaN或插值值？

1. 高效清洗混合类型数据（替换字符串为np.nan） #

直接利用pandas的批量类型转换能力处理，无需逐个检查单元格：

import pandas as pd
import numpy as np
from scipy.interpolate import griddata

# 读取Excel表格
df = pd.read_excel("your_file.xlsx")

# 提取自变量轴：首行是x轴（从第二列开始），首列是y轴（从第二行开始）
x_axis = df.columns[1:].astype(float)
y_axis = df.iloc[1:, 0].astype(float)

# 批量转换数据区域：所有无法转为数值的内容（含任意字符串）自动转为np.nan
data_matrix = df.iloc[1:, 1:].apply(pd.to_numeric, errors="coerce").values

pd.to_numeric(errors="coerce")会批量扫描整个数据区域，自动过滤非数值内容，效率远高于逐单元格检查。

2. 二维线性插值填充np.nan #

根据自变量网格的规则性，选择两种高效方案：

方案A：不规则/非等间距网格（通用场景） #

用scipy.griddata实现任意分布点的线性插值：

# 生成全网格坐标矩阵
xx, yy = np.meshgrid(x_axis, y_axis)

# 提取非NaN点的坐标与对应数值
mask = ~np.isnan(data_matrix)
points = np.column_stack((xx[mask], yy[mask]))
values = data_matrix[mask]

# 执行线性插值，填充所有NaN位置
interpolated_matrix = griddata(points, values, (xx, yy), method="linear")

方案B：规则等间距网格（效率优化） #

如果x、y轴是等间距规则网格，用RegularGridInterpolator速度更快：

from scipy.interpolate import RegularGridInterpolator

# 创建规则网格插值器
interp = RegularGridInterpolator(
    (y_axis, x_axis), 
    data_matrix, 
    method="linear", 
    bounds_error=False, 
    fill_value=None
)

# 生成全网格插值结果
interpolated_matrix = interp((yy, xx))

关键说明 #

• 数据清洗阶段完全无需手动判断单元格类型，pd.to_numeric会自动处理所有非数值内容。
• 插值方法可灵活调整：method="linear"对应线性插值，若需平滑效果可改用method="cubic"；超出自变量范围的NaN可通过fill_value参数设置填充规则。

内容的提问来源于stack exchange，提问作者monoceros84