请求解读实现75%缺失项赋值的NumPy代码逻辑

这段代码的核心目的是给数据集data随机注入75%的缺失值（用np.nan标记），具体逻辑是给75%的样本各随机挑选一个特征设置为缺失。下面逐段拆解：

1. 导入依赖库

import numpy as np

导入Python数值计算库numpy，后续所有数组操作、随机数生成都依赖它。

2. 计算需要设置缺失的样本数量

missing_rate = 0.75
n_missing_samples = int(np.floor(data.shape[0] * missing_rate))

• missing_rate = 0.75：设定缺失率为75%，即要给75%的样本添加缺失值。
• data.shape[0]是数据集的总样本数（行数），乘以缺失率后用np.floor()向下取整并转成整数，得到需要设置缺失值的样本总数n_missing_samples。

3. 生成缺失样本标记数组

missing_samples = np.hstack(
    (
        np.zeros(data.shape[0] - n_missing_samples, dtype=np.bool),
        np.ones(n_missing_samples, dtype=np.bool),
    )
)

• np.zeros(..., dtype=np.bool)：生成长度为「总样本数-缺失样本数」的布尔数组，元素全为False，代表这些样本不需要设置缺失值。
• np.ones(..., dtype=np.bool)：生成长度为n_missing_samples的布尔数组，元素全为True，代表这些样本需要设置缺失值。
• np.hstack()：把两个数组横向拼接，得到和总样本数长度一致的布尔数组missing_samples，此时True集中在数组末尾。

4. 打乱缺失标记的顺序

rng = np.random.RandomState(0)
rng.shuffle(missing_samples)

• np.random.RandomState(0)：创建固定种子的随机数生成器，种子设为0是为了让随机结果可复现（每次运行代码，打乱后的结果都相同）。
• rng.shuffle()：随机打乱missing_samples的元素顺序，让True（需要缺失的样本）均匀分布，实现随机选缺失样本的效果。

5. 随机选择每个缺失样本对应的特征

missing_features = rng.randint(0, data.shape[1], n_missing_samples)

• data.shape[1]是数据集的总特征数（列数）。
• rng.randint(0, data.shape[1], n_missing_samples)：生成n_missing_samples个随机整数，范围是[0, 特征总数)，每个整数对应一个特征索引，意思是给每个需要缺失的样本随机选一个特征来设置缺失值。

6. 给指定位置赋值为缺失值

data.values[np.where(missing_samples)[0], missing_features] = np.nan

• np.where(missing_samples)[0]：找出missing_samples中所有True的索引，也就是需要设置缺失值的样本的行索引。
• data.values：获取数据集data的底层numpy数组（假设data是pandas的DataFrame）。
• 通过行索引和特征索引的组合，把对应位置的元素赋值为np.nan（numpy中代表缺失值的标记），完成缺失值注入。

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