Python 数据分析：Numpy 的 6 种高效函数

array1 = np.array([0.12, 0.17, 0.24, 0.29])
array2 = np.array([0.13, 0.19, 0.26, 0.31])

# 设置容差为 0.1，如果差异在范围内则返回 True
result = np.allclose(array1, array2, rtol=0.1)
print("Result with tolerance 0.1:", result)

# 设置容差为 0.2
result2 = np.allclose(array1, array2, rtol=0.2)
print("Result with tolerance 0.2:", result2)

3. clip()：数值区间限制

clip() 函数可以将数组中的数值限制在指定的上下限区间内。超出上限的值将被截断为上限，低于下限的值将被截断为下限。

应用场景： 常用于数据预处理阶段，防止异常值影响模型训练，或者对数据进行归一化前的边界处理。

x = np.array([3, 17, 14, 23, 2, 2, 6, 8, 1, 2, 16, 0])
# 将数值限制在 [2, 5] 之间
clipped_x = np.clip(x, 2, 5)
print("Clipped array:", clipped_x)

输出示例：

Clipped array: [3 5 5 5 2 2 5 5 2 2 5 2]

4. extract()：条件提取元素

extract() 函数根据布尔掩码（Boolean Mask）从数组中提取特定元素。它允许使用复杂的逻辑条件（如 and, or）来筛选数据。

应用场景： 当需要根据多个条件组合筛选数据时，比循环遍历更加简洁高效。

# 生成随机整数数组
array = np.random.randint(20, size=12)
print("Original array:", array)

# 定义条件：除以 2 余数为 1（即奇数）
cond = np.mod(array, 2) == 1
print("Condition mask:", cond)

# 提取满足条件的值
extracted = np.extract(cond, array)
print("Extracted values:", extracted)

# 直接应用复杂条件：小于 3 或大于 15
complex_cond = ((array < 3) | (array > 15))
print("Complex extraction:", np.extract(complex_cond, array))

5. where()：条件选择与替换

where() 函数功能强大，既可以返回满足条件的索引位置，也可以根据条件返回不同的值。其用法类似于 SQL 中的 WHERE 子句。

应用场景： 用于数据清洗、特征工程中的条件赋值，以及寻找特定数据的坐标。

y = np.array([1, 5, 6, 8, 1, 7, 3, 6, 9])

# 返回大于 5 的元素的索引位置
indices = np.where(y > 5)
print("Indices > 5:", indices[0])

# 根据条件返回不同字符串：大于 5 为 "Hit"，否则为 "Miss"
result = np.where(y > 5, "Hit", "Miss")
print("Conditional replacement:", result)

6. percentile()：百分位数计算

percentile() 用于计算沿指定轴方向上数组元素的第 n 个百分位数。这是统计分析中衡量数据分布的重要指标。

应用场景： 用于计算分位数、箱线图分析、去除离群值等统计场景。

a = np.array([1, 5, 6, 8, 1, 7, 3, 6, 9])
# 计算 50 百分位数（中位数）
p50 = np.percentile(a, 50, axis=0)
print(f"50th Percentile of a: {p50}")

# 多维数组示例
b = np.array([[10, 7, 4], [3, 2, 1]])
# 计算第 30 百分位数，沿第 0 轴（行方向）
p30 = np.percentile(b, 30, axis=0)
print(f"30th Percentile of b: {p30}")

总结

上述 6 种 NumPy 函数涵盖了索引查找、数值比较、边界控制、条件筛选、条件赋值及统计分析等多个核心领域。熟练掌握这些函数，能够显著提升数据处理代码的可读性与运行效率。

在实际开发中，建议优先使用向量化操作替代原生 for 循环，利用 NumPy 底层的 C 语言实现来获得性能优势。同时，注意浮点数比较时的精度问题，合理使用 allclose 等工具函数。通过组合使用这些函数，可以构建出健壮且高效的数据分析流水线。