如何用列平均值替換 Pandas DataFrame 中的 NaN 值？

Pandas DataFrame：以列平均值取代 NaN 值

在 pandas DataFrame 中，處理缺失資料對於準確分析至關重要。當遇到不完整的資料時，有必要用有意義的估計值來取代 NaN 值。本文示範如何以 pandas DataFrame 中各自列的平均值取代 NaN 值。

問題

考慮一個混合有實數和 NaN 值的 DataFrame。目標是將 NaN 值替換為它們出現的列的平均值。

解

與NumPy 陣列不同，在pandas DataFrame 中填入NaN 值可以使用fillna 方法：

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

此方法用對應列的平均值填入NaN值。例如：

<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>

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 -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 值已替換為其各自欄位的平均值。

以上是如何用列平均值替換 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！