用Pandas DataFrame 中的列平均值取代NaN 值
使用pandas DataFrame 時，遇到NaN（缺失）值是很常見的。為了有效地處理這些值，用適當的值替換它們至關重要。一種有效的方法是將 NaN 值替換為各自列的平均值。
使用 DataFrame.fillna 的解決方案
與引用問題中提到的方法不同，pandas DataFrames可以採取不同的處理方式。 DataFrame.fillna 方法提供了一個簡單的解決方案來填充NaN 值：
<code class="python">df.fillna(df.mean())</code>
詳細說明：
範例：
讓我們考慮以下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
應用帶有平均值的fillna 方法後：
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
應用帶有平均值的fillna 方法後：
如圖所示，NaN 值已替換為相應的列平均值。以上是如何用列平均值取代 Pandas DataFrame 中的缺失值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
