如何使用「fillna」方法以列平均值取代 Pandas DataFrame 中的 NaN 值？

用Pandas DataFrame 中的列平均值取代NaN 值

處理主要由實數填充的DataFrame 中的缺失資料時，替換NaN具有適當替代方案的價值觀至關重要。在這種情況下，我們尋求用 NaN 值所在列的平均值來替換它們。

為了滿足這項需求，pandas 提供了一個方便的方法：DataFrame.fillna。透過利用此函數，我們可以直接用列平均值填入 NaN 值：

<code class="python">df = ...  # Your DataFrame with NaN values

# Calculate the mean of each column
column_means = df.mean()

# Replace NaN values with the column averages
filled_df = df.fillna(column_means)</code>

DataFrame.fillna 方法接受各種輸入作為填充值，包括標量、字典或系列。在本例中，我們傳遞column_means，這是一個包含每列平均值的系列。

這裡有一個範例來說明這個過程：

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

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

print(df)

# Calculate the mean of each column
column_means = df.mean()

# Replace NaN values with the column averages
filled_df = df.fillna(column_means)

print(filled_df)</code>

輸出：

          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

          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

如圖所示，NaN 值已替換為適當的列平均值，提供完整且一致的DataFrame。

以上是如何使用「fillna」方法以列平均值取代 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！