### 使用 Python 处理 Excel 数据并替换异常值为前后数值的均值 以下是针对 `temperature` 列（范围限定在 2 至 12）以及电负荷列（范围限定在 600 至 10000），将超出指定范围的值替换为其前后有效数值均值的具体实现方法。 #### 1. 导入必要库 确保导入所需的库以支持数据处理功能。 ```python import pandas as pd import numpy as np ``` #### 2. 加载 Excel 数据 加载 Excel 文件中的数据到 Pandas 的 DataFrame 中。 ```python df = pd.read_excel('your_file.xlsx') # 替换为实际文件路径[^1] ``` #### 3. 定义通用函数以替换异常值 定义一个函数，该函数接收目标列名、正常值区间下界和上界作为参数，并自动替换超出区间的值。 ```python def replace_outliers_with_mean(df, column_name, lower_bound, upper_bound): """ 将给定列中超出指定范围的值替换为前后有效数值的均值。 参数: df (pd.DataFrame): 输入的数据框。 column_name (str): 待处理的目标列名称。 lower_bound (float): 正常值区间的下界。 upper_bound (float): 正常值区间的上界。 返回: pd.DataFrame: 更新后的数据框。 """ for idx in range(len(df[column_name])): value = df.loc[idx, column_name] if value < lower_bound or value > upper_bound: # 如果值不在范围内，则视为异常值 prev_value = None if idx == 0 else df.iloc[idx - 1][column_name] # 前一值 next_value = None if idx == len(df) - 1 else df.iloc[idx + 1][column_name] # 后一值 valid_values = [v for v in [prev_value, next_value] if isinstance(v, (int, float)) and not np.isnan(v)] if valid_values: # 若存在有效的前后值则计算其均值 replacement = np.mean(valid_values) df.at[idx, column_name] = replacement return df ``` #### 4. 应用函数分别处理两列 调用上述函数分别对 `temperature` 列和电负荷列进行异常值替换操作。 ```python # 对 temperature 列应用规则（范围：2 至 12） replace_outliers_with_mean(df, 'temperature', 2, 12) # 对电负荷列应用规则（假设列为 'electric_load'，范围：600 至 10000） replace_outliers_with_mean(df, 'electric_load', 600, 10000) ``` #### 5. 查看更新后的数据 打印部分数据以确认更改效果。 ```python print(df[['temperature', 'electric_load']].head()) ``` #### 6. 输出结果至新 Excel 文件 保存已处理的数据到新的 Excel 文件中。 ```python output_path = 'processed_data.xlsx' df.to_excel(output_path, index=False) print(f"Processed file saved to {output_path}.") # 提示已完成保存[^3] ``` --- ###