我有一个熊猫DataFrame填充大部分实数，但有一些nan值在它以及。
我怎么能把这些nan替换成它们所在列的平均值呢?
这个问题与下面这个问题非常相似:numpy array:用列的平均值替换nan值，但不幸的是，这里给出的解决方案不适用于pandas DataFrame。
当前回答
直接使用df.fillna(df.mean())将所有空值填充为mean
如果你想用该列的平均值填充空值，那么你可以使用这个
假设x=df['Item_Weight']这里Item_Weight是列名
这里我们赋值(用x的均值填充x的空值)
df['Item_Weight'] = df['Item_Weight'].fillna((df['Item_Weight'].mean()))
如果你想用一些字符串填充空值，那么使用
这里Outlet_size是列名
df.Outlet_Size = df.Outlet_Size.fillna('Missing')
其他回答
我使用这个方法来填充一个列的平均值。
fill_mean = lambda col : col.fillna(col.mean())
df = df.apply(fill_mean, axis = 0)
# To read data from csv file
Dataset = pd.read_csv('Data.csv')
X = Dataset.iloc[:, :-1].values
# To calculate mean use imputer class
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])
如果你想用均值来替换缺失的值你想一列一列地替换，那么这个只会替换那一列的均值。这可能更容易读。
sub2['income'] = sub2['income'].fillna((sub2['income'].mean()))
除此之外，还有一种选择:
df = df.groupby(df.columns, axis = 1).transform(lambda x: x.fillna(x.mean()))
它没有之前的mean响应那么优雅，但如果您希望用其他列函数替换null，那么它可以更短。
Pandas:如何将NaN (NaN)值替换为一列的平均值(平均值)、中位数或其他统计数据
假设你的DataFrame是df，你有一列叫做nr_items。这是:df['nr_items']
如果你想用列的平均值替换你的列df['nr_items']的NaN值:
使用方法.fillna():
mean_value = df [' nr_items '] .mean () df [' nr_item_ave '] = df (' nr_items '] .fillna (mean_value)
我已经创建了一个名为nr_item_ave的新df列来存储新列，其中NaN值被该列的平均值替换。
你在使用平均数时要小心。如果你有异常值，更推荐使用中位数
