Wie ersetzt man NaN-Werte in einem Pandas-DataFrame durch Spaltendurchschnitte?

Ersetzen von NaN-Werten im Pandas-DataFrame durch Spaltendurchschnitte

Das Füllen von NaN-Werten in einem Pandas-DataFrame mit dem Durchschnitt der entsprechenden Spalten ist eine häufige Aufgabe in der Datenanalyse. Während Numpy einen unkomplizierten Ansatz für Arrays bietet, erfordern Pandas DataFrames eine maßgeschneiderte Lösung.

Ansatz:

Um NaN-Werte in einem DataFrame durch Spaltendurchschnitte zu ersetzen, können wir verwenden die DataFrame.fillna-Methode:

<code class="python">df.fillna(df.mean())</code>

Beispiel:

Betrachten Sie einen DataFrame mit NaN-Werten:

<code class="python">import pandas as pd

df = pd.DataFrame({
    'A': [-0.166919, -0.297953, -0.120211, np.nan, np.nan, -0.788073, -0.916080, -0.887858, 1.948430, 0.019698],
    'B': [0.979728, -0.912674, -0.540679, -2.027325, np.nan, np.nan, -0.612343, 1.033826, 1.025011, -0.795876],
    'C': [-0.632955, -1.365463, -0.680481, 1.533582, 0.461821, np.nan, np.nan, np.nan, -2.982224, -0.046431]
})</code>

Berechnen des Mittelwerts von jedem Spalte:

<code class="python">column_averages = df.mean()</code>

Und schließlich Ersetzen der NaN-Werte:

<code class="python">df_filled = df.fillna(column_averages)</code>

Ergebnis:

<code class="python">print(df_filled)

          A         B         C
0 -0.166919  0.979728 -0.632955
1 -0.297953 -0.912674 -1.365463
2 -0.120211 -0.540679 -0.680481
3 -0.151121 -2.027325  1.533582
4 -0.151121 -0.231291  0.461821
5 -0.788073 -0.231291 -0.530307
6 -0.916080 -0.612343 -0.530307
7 -0.887858  1.033826 -0.530307
8  1.948430  1.025011 -2.982224
9  0.019698 -0.795876 -0.046431</code>

Wie in der Ausgabe zu sehen , die NaN-Werte werden erfolgreich durch den Durchschnitt ihrer jeweiligen Spalten ersetzt.

Das obige ist der detaillierte Inhalt vonWie ersetzt man NaN-Werte in einem Pandas-DataFrame durch Spaltendurchschnitte?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!