如何用列平均值替换 Pandas DataFrame 中的 NaN 值？

Pandas DataFrame：用列平均值替换 NaN 值

在 pandas DataFrame 中，处理缺失数据对于准确分析至关重要。当遇到不完整的数据时，有必要用有意义的估计值替换 NaN 值。本文演示了如何用 pandas DataFrame 中各自列的平均值替换 NaN 值。

问题

考虑一个混合有实数和 NaN 值的 DataFrame。目标是将 NaN 值替换为它们出现的列的平均值。

解决方案

与 NumPy 数组不同，在 pandas DataFrame 中填充 NaN 值可以使用fillna 方法：

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

此方法用相应列的平均值填充 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>

输出：

          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 值已替换为其各自列的平均值。

以上是如何用列平均值替换 Pandas DataFrame 中的 NaN 值？的详细内容。更多信息请关注PHP中文网其他相关文章！