用pandas DataFrame 中的列平均值取代NaN 值
在pandas DataFrame 中，可能會出現NaN 值，需要用適當的值替換用於資料分析。本文解決了用每個相應列的平均值替換 NaN 的挑戰。
與 numpy 陣列不同，pandas DataFrame 無法直接套用 numpy 陣列所使用的平均技術。相反，DataFrame.fillna 方法提供了一個簡單的解決方案。
使用DataFrame.fillna
要使用列平均值填入NaN 值，請使用下列程式碼：
<code class="python">import pandas as pd
# Create a DataFrame with NaN values
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]
})
print("Original DataFrame with NaN values:")
print(df)
# Calculate column means
column_means = df.mean()
print("\nColumn means:")
print(column_means)
# Replace NaN values with column means
df_filled = df.fillna(column_means)
print("\nDataFrame with NaN values replaced by column means:")
print(df_filled)</code>範例：
考慮以下具有NaN 值的DataFrame：
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 NaN -2.027325 1.533582 4 NaN NaN 0.461821 5 -0.788073 NaN NaN 6 -0.916080 -0.612343 NaN 7 -0.887858 1.033826 NaN 8 1.948430 1.025011 -2.982224 9 0.019698 -0.795876 -0.046431
使用DataFrame。 fillna，NaN 值替換為列平均值：
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
因此，NaN 值已替換為適當的列平均值。
以上是如何用每個對應列的平均值取代 pandas DataFrame 中的 NaN 值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
