Python - 如何在 Pandas 中用均值填充 NAN 值？

对于均值，请使用该mean()函数。用 NaN 计算列的平均值，并使用fillna()用平均值填充 NaN 值。

让我们首先导入所需的库 -

import pandas as pd
import numpy as np

创建一个包含 2 列和一些 NaN 值的 DataFrame。我们已经使用 numpy 输入了这些 NaN 值np.NaN-

dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

使用 NaN 查找列值的平均值，即此处的 Units 列。因此，Units 列有 100、150 和 80；因此，平均值将为 110 -

meanVal = dataFrame['Units'].mean()

将 NaN 替换为其所在列的平均值。上面计算的平均值是 110，所以 NaN 值将替换为 110 -

dataFrame['Units'].fillna(value=meanVal, inplace=True)

示例

以下是代码 -

import pandas as pd
import numpy as np

# Create DataFrame
dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

print"DataFrame ...\n",dataFrame

# finding mean of the column values with NaN i.e, for Units columns here
# so the Units column has 100, 150 and 80; therefore the mean would ne 110
meanVal = dataFrame['Units'].mean()

# Replace NaNs with the mean of the column where it is located
# the mean calculated above is 110, so NaN values will be replaced with 110
dataFrame['Units'].fillna(value=meanVal, inplace=True)
print"\nUpdated Dataframe after filling NaN values with mean...\n",dataFrame

这将产生以下输出 -

DataFrame ...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus     NaN
3  Mustang    80.0
4  Bentley     NaN
5  Mustang     NaN

Updated Dataframe after filling NaN values with mean...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus   110.0
3  Mustang    80.0
4  Bentley   110.0
5  Mustang   110.0