如何用Python和NumPy将随机掩码应用于数据生成含Null/NaN的坏数据

嘿，你已经完成了最关键的两步——加载鸢尾花数据和生成随机掩码，现在只需要用numpy的布尔索引就能轻松把掩码标记的位置替换成NaN啦！下面是完整的实现步骤：

完整代码示例 #

import numpy as np
from sklearn import datasets

# 加载数据
iris = datasets.load_iris()
X = iris.data

# 生成随机掩码：90%的位置为True（保留原值），10%为False（要替换成NaN的位置）
# 这里简化了你原来的掩码生成代码，效果完全一致但更高效
mask = np.random.random(size=X.shape) < 0.9

# 注意：如果你的数组是整数类型，必须先转成浮点型才能存储NaN
# 鸢尾花数据默认是float64，所以这步可以跳过，其他数据集可能需要：
# X = X.astype(np.float64)

# 应用掩码：把mask为False的位置替换成NaN
X[~mask] = np.nan

# 打印结果验证
print(X)

关键细节说明 #

• 简化掩码生成：np.random.random(size=X.shape) < 0.9 直接生成和X形状匹配的布尔数组，和你原来的列表推导逻辑完全相同，但numpy原生操作比Python循环更高效。
• 布尔索引用法：~mask 是对掩码取反，选中所有需要替换的位置，直接赋值为np.nan就能快速生成带随机缺失值的数组。
• 数据类型注意：整数数组无法存储NaN值，如果后续处理的是整数型数据集，一定要先通过astype(np.float64)转换为浮点型。

这样处理后，你就得到了符合需求的带随机缺失值的数组，接下来可以开展缺失值处理的相关实验啦！

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