1. 数据读取阶段
使用np.loadtxt读取 CSV 文件，关键参数说明：
delimiter=","：指定逗号为分隔符dtype=bytes：先以字节类型读取，避免编码问题skiprows=1：跳过标题行usecols=(1)：只读取第二列的温度数据
import numpy as np
# 1. 读取温度数据
temperature_str = np.loadtxt(
"ug_detect.csv",
delimiter=",", # 分隔符
dtype=bytes, # 数据类型 字节类型
skiprows=1, # 跳过第一行标题
usecols=(1) # 只读取第二列数据
)
print("读取出来的温度原始数据：", temperature_str)
2. 数据转换与清洗
这一步主要完成：
- 将字节类型转换为浮点数
- 处理空值：将空字符串转换为 None（在 numpy 中会变为 nan）
- 处理异常值：将高于 50°C 的温度值视为异常，同样转换为 None
# 2. 类型转换+缺失值与异常值处理
temperature = np.zeros(len(temperature_str))
print("初始化的数组temperature:", temperature)
for i in range(len(temperature_str)):
item = temperature_str[i] # 取出当前元素
if item != b"": # 如果当前元素非空
item = float(item) # 字符串转浮点数
if item >= 50.0: # 温度高于50°视为异常值
item = None
else: # 空值处理
item = None
temperature[i] = item # 赋值给新数组
3. 缺失值填充
采用邻近值填充法处理 nan 值：
- 第一个元素缺失：用第二个元素填充
- 最后一个元素缺失：用倒数第二个元素填充
- 中间元素缺失：用前后两个元素的平均值填充
# 3. 处理nan值
for i in range(len(temperature)):
if np.isnan(temperature[i]): # 判断是否为nan值
if i == 0: # 第一个元素
temperature[i] = temperature[i+1]
elif i == len(temperature) - 1: # 最后一个元素
temperature[i] = temperature[i-1]
else: # 中间元素
temperature[i] = 0.5 * (temperature[i-1] + temperature[i+1])
print("nan处理之后的数组temperature：", temperature)
4. 数据可视化
使用 matplotlib 绘制温度曲线：
- 生成时间序列作为 x 轴
- 同时绘制曲线和散点（红色心形标记）
- 添加标题和坐标轴标签使图像更清晰
## 4. 可视化温度曲线
import matplotlib.pyplot as plt
t = np.arange(len(temperature)) # 生成时间序列
plt.plot(t, temperature) # 绘制曲线
plt.plot(t, temperature, 'pr') # 绘制红色心形点
plt.title('Temperature Variation Curve') # 标题
plt.xlabel('Time') # x轴标签
plt.ylabel('Temperature (°C)') # y轴标签
plt.show() # 显示图像
5. 将处理后的温度数据保存为新的 CSV 文件，保留两位小数
# 5. 结果写入文件
np.savetxt(
"ug_temperature.csv",
temperature,
fmt="%.2f", # 保留两位小数
delimiter=",",
encoding="utf-8"
)
