如何在数据处理中用前后非零值的平均值替换零值

本文聚焦于一个经典的数据清洗场景：如何用某个零值前后相邻的非零值，取其平均值来替换该零值。文章会深入剖析实现过程中常见的索引越界与逻辑冲突问题，并最终给出一个健壮、可复用的解决方案。

先从一个真实项目说起。在热指数（Heat Index）计算中，原始温湿度数据里时常会出现异常值，比如突兀的 0。这时候，一个自然而然的修复思路就是：找到这个 0 值前后最近的两个有效数据，用它们的平均值来替代。比如序列 [34, 21, 0, 42] 中的 0，就应该被替换为 (21 + 42) / 2 = 31.5。逻辑听起来很简单，对吧？但如果你真在循环里直接上手写，很容易就掉进坑里了。

我见过不少同学在实现时，会写出下面这样的代码逻辑，它藏着两个非常典型的缺陷：

1. 逻辑冲突，导致分支永远不可达：

   if Hx == 0:  # ← 第一次判断    ...elif Hx == 0:  # ← 条件完全重复，这个分支永远不会执行！

   由于 elif 的条件与 if 完全相同，它永远无法被触发，这意味着你精心准备的 handle_missing_values() 函数实际上根本没被调用。

2. 索引越界，因为数据还没准备好：
   另一个常见错误是在逐行读取数据的同时，试图访问 Hlist[i + 1]。但此时下一行数据还没读进来，i+1 这个位置根本不存在，程序必然会抛出 IndexError。这就像你还没拿到下一张牌，就急着去翻看它。

所以，正确的解法必须遵循一个两阶段处理的原则：

• 第一阶段：先把所有原始数据完整地读取到列表中；
• 第二阶段：再对整个列表统一执行插值清洗；
• 第三阶段：最后基于清洗后的数据计算热指数并输出。

分步走，才能把每一步都走稳。下面是优化后的完整实现，你可以直接参考：

# 系数定义（保持不变）c1 = -8.78469475556c2 = 1.61139411c3 = 2.33854883889c4 = -0.14611605c5 = -0.012308094c6 = -0.0164248277778c7 = 2.211732 * 10**-3c8 = 7.2546 * 10**-4c9 = -3.582 * 10**-6def whatstatus(hi_val):    if hi_val >= 54:        return "Extreme Danger"    elif 41 <= hi_val < 54:        return "Danger"    elif 32 <= hi_val < 41:        return "Extreme Caution"    elif 27 <= hi_val < 32:        return "Caution"    else:        return "Normal"def cal_hi(T, H):    return (c1 + c2*T + c3*H + c4*T*H + c5*(T**2) + c6*(H**2)             + c7*(T**2)*H + c8*T*(H**2) + c9*(T**2)*(H**2))def handle_missing_values(data_list):    """用前后最近的非零值平均值填充零值；边界处采用单侧邻值（若存在）"""    if len(data_list) <= 1:        return data_list.copy()    result = data_list.copy()    n = len(result)    for i in range(n):        if result[i] == 0:            # 向左找第一个非零值            left = -1            for j in range(i-1, -1, -1):                if result[j] != 0:                    left = j                    break            # 向右找第一个非零值            right = -1            for j in range(i+1, n):                if result[j] != 0:                    right = j                    break            # 根据左右有效值情况插值            if left != -1 and right != -1:                result[i] = (result[left] + result[right]) / 2            elif left != -1:                result[i] = result[left]  # 仅左侧有值 → 复制左侧            elif right != -1:                result[i] = result[right]  # 仅右侧有值 → 复制右侧            # 若左右均无非零值（全零序列），保留0（或可抛出警告）    return result# 主流程：两阶段处理Tlist, Hlist = [], []# 阶段一：完整读取原始数据with open('Temperature365.txt') as Tf, open('Humidity365.txt') as Hf:    for Tl, Hl in zip(Tf, Hf):        Tlist.append(float(Tl.strip()))        Hlist.append(float(Hl.strip()))# 阶段二：批量清洗（关键修正！）Hlist = handle_missing_values(Hlist)Tlist = handle_missing_values(Tlist)  # 温度同理处理（如有需要）# 阶段三：计算并输出结果print("Day\tTemperature(C)\tHumidity(%)\tHeat Index\tStatus", "\n", "---" * 22)for i, (Tx, Hx) in enumerate(zip(Tlist, Hlist)):    heat_index_val = cal_hi(Tx, Hx)    stat = whatstatus(heat_index_val)    print(f"{i+1}\t{Tx:.2f}\t\t{Hx:.2f}\t\t{heat_index_val:.2f}\t\t{stat}")    if (i + 1) % 30 == 0:        input("Press  to continue")

? 关键改进说明：

• ✅ 彻底避免索引越界：清洗操作在全部数据加载完成后执行，i+1 始终合法；
• ✅ 精准定位非零邻值：不再简单取 i-1/i+1，而是向两侧搜索最近的非零值，鲁棒性更强（如 [0, 0, 21, 0, 42] 中首个 0 将被 21 填充）；
• ✅ 合理处理边界：首尾为 0 时自动回退至唯一可用邻值，避免无效平均；
• ✅ 解耦关注点：数据加载、清洗、业务计算分层清晰，便于测试与维护。

⚠️ 注意事项：

• 如果数据中的 0 本身就代表真实物理意义（比如绝对零湿度），那你需要先确认数据规范，不要盲目替换；
• 对于连续多个 0（如 [10, 0, 0, 0, 30]），本方案会依次填充为 [10, 20, 20, 20, 30]，这符合线性插值的直觉；
• 如果需要更高级的插值方法（如样条插值、时间加权平均），你可以扩展 handle_missing_values 函数，主流程完全不需要改动。

这个方案兼顾了数据修复的准确性与工程上的可靠性，可以说是气象、IoT 等时序数据预处理中的标准实践了。