条件替换的原理与核心概念
条件掩码与布尔索引
在数值计算中，条件掩码是一组布尔型的数组，用来标记哪些元素符合某个条件；通过布尔索引，可以实现对整数组或多维数组的选择、替换与筛选，从而实现对大规模数据的向量化处理，避免显式循环带来的性能损耗。
使用布尔掩码时，数据仍然以向量形式存储，并在底层进行并行运算，能显著提升对连续值的处理效率；这也是实现条件替换的基础。
在实际应用中，布尔掩码往往与np.where、np.select等工具结合使用，以实现对不同条件下的数值进行不同结果的替换，保持代码的简洁性和可读性。
import numpy as np
x = np.array([1.2, -0.5, 3.0, 7.1])
mask = x > 0 # 条件掩码：哪些元素大于0
# 使用布尔掩码获取符合条件的子集
pos = x[mask]
print(pos)
在处理连续值时，常需要为不同条件分配不同的数值，这就需要条件替换的能力来实现多分支的结果映射。
import numpy as np
scores = np.array([0.2, 0.8, 0.55, 0.99])
threshold = 0.7
# 使用 np.where 实现单条件替换
labels = np.where(scores >= threshold, 'high', 'low')
print(labels)
当条件较多时，np.select提供了更清晰的多分支结构，适合将不同条件映射到不同输出值，提升代码的可维护性。
import numpy as np
x = np.array([1, -2, 0, 3, 5])
conditions = [(x < 0),(x == 0),(x > 0)
]
choices = [-1, 0, 1]
labels = np.select(conditions, choices, default=9)
print(labels)
核心工具与实现方式
在实际场景中，np.where适合一个二选一的简单条件分支，而np.select更适合多条件分支的分发；两者都属于向量化运算，能够避免逐个元素的循环处理，从而提升性能。
为了保证替换后的结果合乎预期，需要处理边界情况：如默认值、缺失值以及不同数据类型的兼容性，这些都影响最终的数值分布与后续分析。
连续值处理策略与技巧
连续特征的分区与离散化
对连续值进行分区或离散化时，分箱( binning )是一种常用技术，能将连续区间映射到离散标签，便于后续分类或聚合分析。
在 NumPy 中，np.digitize可以将数据按给定的边界进行分箱，输出对应的区间索引，提高对连续值的分段处理能力。
import numpy as np
data = np.array([0.1, 0.4, 1.2, 2.7, 3.3])
bins = [0, 0.5, 1.5, 3.0, 5.0]
indices = np.digitize(data, bins, right=True)
print(indices) # 返回每个数据点所在的区间索引
进一步地，可以将区间索引映射为具体类别标签，以实现“连续值到离散标签”的转换，提升模型输入的多样性和可读性。
import numpy as np
data = np.array([0.1, 0.4, 1.2, 2.7, 3.3])
bins = [0, 0.5, 1.5, 3.0, 5.0]
idx = np.digitize(data, bins, right=True)
labels = np.array(['A', 'B', 'C', 'D', 'E'])
disc = labels[idx]
print(disc)
缺失值与极端值的处理
在处理连续数据集时，缺失值（NaN）和极端值需要单独处理，以避免对统计计算造成偏倚。
对缺失值的简单做法是使用聚合统计量进行填充，常见的有均值、中位数等；对极端值，可以通过替换为近邻值、分箱后进行替换，或者使用稳健统计量进行替换。
import numpy as np
arr = np.array([1.0, np.nan, 3.2, np.nan, 4.5])
mask = np.isnan(arr)
# 使用均值填充缺失值
arr[mask] = np.nanmean(arr)
print(arr)
从原理到实战的应用案例
案例一：传感器数据中的异常值替换
在实际传感器数据处理中，异常值替换是常见任务之一，目的是消除单点异常对后续分析的干扰，并保持数据的连续性与可用性。
一个简单的思路是基于总体统计量进行判定，随后对被判定为异常的点使用条件替换将其替换为中位数或滚动平均等稳健值，以维持连续性。
import numpy as np
x = np.array([1.0, 1.2, 999.0, 1.1, 1.3])
mean = np.mean(x)
std = np.std(x)
mask_out = np.abs(x - mean) > 3 * std
x[mask_out] = np.median(x[~mask_out])
print(x)
案例二：按条件分级与替换
通过组合条件判断，可以将连续值映射到不同等级，以实现对数值数据的分级管理；这在置信区间、风险等级等场景中非常实用。
结合np.select实现多条件分级，代码清晰且易于扩展。
import numpy as np
speeds = np.array([5, 20, 55, 100])
conditions = [speeds < 10,(speeds >= 10) & (speeds < 60),speeds >= 60
]
categories = ['slow', 'medium', 'fast']
labels = np.select(conditions, categories, default='unknown')
print(labels)
