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！
