如何在Python数组中计算非填充值(-1000)的均值？

嗨，这个问题在处理带填充值的数据集时特别常见，我给你几种实用的解决方案，针对你给出的示例都能得到期望的结果3：

方法1：纯Python基础实现（适合小型数据集） #

用列表推导式先过滤掉填充值-1000，再计算有效数值的均值，代码直观易懂：

res = [-1000 for x in range(0,10)]
res[1] = 2
res[5] = 3
res[7] = 4

# 筛选出所有非-1000的有效数值
valid_values = [num for num in res if num != -1000]
# 计算均值，别忘了处理没有有效数值的情况（避免除以0报错）
if valid_values:
    mean = sum(valid_values) / len(valid_values)
else:
    mean = 0  # 你也可以根据需求设置其他默认值，比如None
print(mean)  # 输出3.0

方法2：用NumPy处理（适合大型数据集） #

如果你的数据集是用NumPy数组存储的，这种方法效率会高很多，尤其适合大数据量的场景：

import numpy as np

res = np.array([-1000 for x in range(0,10)])
res[1] = 2
res[5] = 3
res[7] = 4

# 用布尔索引快速筛选有效数值
valid_values = res[res != -1000]
mean = valid_values.mean()
print(mean)  # 输出3.0

要是担心全是填充值的情况，还可以用nanmean来优雅处理：

# 将填充值替换为NaN，再计算均值（自动忽略NaN）
mean = np.nanmean(np.where(res == -1000, np.nan, res))

这样如果没有有效数值，会返回nan，你可以根据业务需求再做处理。

小提示 #

如果你的数据集里有多种填充值（比如除了-1000还有其他特殊值），只需要把判断条件改成num not in [-1000, 其他填充值]就可以扩展啦。

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