当不导入numpy库时,可以使用np.nan
来表示缺失值。以下是一个示例代码:
# 创建一个包含缺失值的列表
data = [1, 2, np.nan, 4, 5]
# 计算列表中的平均值(忽略缺失值)
total = 0
count = 0
for num in data:
if num != np.nan:
total += num
count += 1
mean = total / count
print(mean)
这段代码首先创建了一个包含缺失值的列表data
,然后使用循环遍历列表中的每个元素。在循环中,使用条件语句判断元素是否为缺失值np.nan
,如果不是缺失值则将其累加到total
中,并增加计数器count
的值。最后,计算平均值时,使用total
除以count
。请注意,np.nan
与任何值(包括它自己)的比较都会返回False
,因此不能使用num != np.nan
来判断是否为缺失值,而应该使用np.isnan(num)
来判断。