Pandas DataFrames에서 누락된 데이터를 처리하는 것은 정확한 분석을 위해 중요합니다. 불완전한 데이터가 나타나면 NaN 값을 의미 있는 추정값으로 바꾸는 것이 필요합니다. 이 문서에서는 NaN 값을 Pandas DataFrame에서 해당 열의 평균으로 바꾸는 방법을 보여줍니다.
실수와 NaN 값이 혼합된 DataFrame을 고려해보세요. 목표는 NaN 값을 해당 값이 나타나는 열의 평균 값으로 바꾸는 것입니다.
NumPy 배열과 달리 Pandas DataFrames의 NaN 값 채우기는 다음을 사용하여 효율적으로 처리할 수 있습니다. fillna 메서드:
<code class="python">df.fillna(df.mean())</code>
이 메서드는 NaN 값을 해당 열의 평균으로 채웁니다. 예:
<code class="python">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]}) mean = df.mean() print(df.fillna(mean))</code>
출력:
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
NaN 값은 해당 열의 평균 값으로 대체되었습니다.
위 내용은 Pandas DataFrame의 NaN 값을 열 평균으로 바꾸는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!