用列平均值取代pandas DataFrame 中的NaN 值
用對應列的平均值填滿pandas DataFrame 中的NaN 值是一項常見任務在資料分析中。雖然 numpy 為數組提供了簡單的方法，但 pandas DataFrame 需要量身定制的解決方案。
方法：
要將DataFrame 中的NaN 值替換為列平均值，我們可以使用DataFrame.fillna 方法：
<code class="python">df.fillna(df.mean())</code>
範例：
考慮NaN 值的DataFrame：
<code class="python">import pandas as pd
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]
})</code>計算每個數值的平均值欄位：
<code class="python">column_averages = df.mean()</code>
最後，替換NaN 值：
<code class="python">df_filled = df.fillna(column_averages)</code>
結果：
<code class="python">print(df_filled)
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</code>如輸出所示，NaN 值成功替換為其各自欄位的平均值。
以上是如何以列平均值取代 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！
