一、问题？

大多数数据并不是我们自己构造的，存在文件当中。我们需要工具去获取，但是Numpy其实并不适合去读取处理数据，这里我们了解相关API，以及Numpy不方便的地方即可。

二、Numpy读取

• genfromtxt(fname[, dtype, comments, ...]) Load data from a text file, with missing values handled as specified.

​

# 读取数据 test = np.genfromtxt("./data/numpy_test/test.csv", delimiter=',')

三、如何处理缺失值

3.1什么是缺失值

什么时候numpy中会出现nan：当我们读取本地的文件为float的时候，如果有缺失(或者为None)，就会出现nan

3.2缺失值处理？

那么，在一组数据中单纯的把nan替换为0，合适么？会带来什么样的影响？

比如，全部替换为0后，替换之前的平均值如果大于0，替换之后的均值肯定会变小，所以更一般的方式是把缺失的数值替换为均值（中值）或者是直接删除有缺失值的一行

所以：

• 如何计算一组数据的中值或者是均值
• 如何删除有缺失数据的那一行（列）在pandas中介绍

t中存在nan值，如何操作把其中的nan填充为每一列的均值 t = array([[ 0., 1., 2., 3., 4., 5.], [ 6., 7., nan, 9., 10., 11.], [ 12., 13., 14., nan, 16., 17.], [ 18., 19., 20., 21., 22., 23.]])

处理逻辑：

​