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
您可以简单地使用DataFrame。Fillna直接填充楠的:
In [27]: df
Out[27]:
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
In [28]: df.mean()
Out[28]:
A -0.151121
B -0.231291
C -0.530307
dtype: float64
In [29]: df.fillna(df.mean())
Out[29]:
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
fillna的文档字符串说value应该是标量或字典，然而，它似乎也适用于Series。如果你想传递一个字典，你可以使用df.mean().to_dict()。
其他回答
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。
您可以简单地使用DataFrame。Fillna直接填充楠的:
In [27]: df
Out[27]:
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
In [28]: df.mean()
Out[28]:
A -0.151121
B -0.231291
C -0.530307
dtype: float64
In [29]: df.fillna(df.mean())
Out[29]:
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
fillna的文档字符串说value应该是标量或字典，然而，它似乎也适用于Series。如果你想传递一个字典，你可以使用df.mean().to_dict()。
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()))
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
虽然，下面的代码可以完成工作，但它的性能会受到很大的影响，因为你处理一个#记录100k或更多的DataFrame:
df.fillna(df.mean())
根据我的经验，应该只在需要的地方替换NaN值(无论是Mean还是Median)，而不是在整个DataFrame上应用fillna()。
我有一个包含20个变量的DataFrame，其中只有4个需要NaN值处理(替换)。我尝试了上面的代码(代码1)，以及它的一个稍微修改的版本(代码2)，其中我有选择地运行它。仅适用于具有NaN值的变量
#------------------------------------------------
#----(Code 1) Treatment on overall DataFrame-----
df.fillna(df.mean())
#------------------------------------------------
#----(Code 2) Selective Treatment----------------
for i in df.columns[df.isnull().any(axis=0)]: #---Applying Only on variables with NaN values
df[i].fillna(df[i].mean(),inplace=True)
#---df.isnull().any(axis=0) gives True/False flag (Boolean value series),
#---which when applied on df.columns[], helps identify variables with NaN values
下面是我观察到的性能，因为我一直在增加DataFrame中的#记录
DataFrame与~100k记录
代码1:22.06秒 代码2:0.03秒
DataFrame有~200k条记录
代码1:180.06秒 代码2:0.06秒
DataFrame有大约160万条记录
代码1:代码不停地运行 代码2:0.40秒
DataFrame有大约1300万条记录
代码1:——甚至没有尝试，在看到1.6 Mn记录的性能之后—— 代码2:3.20秒
很抱歉回答这么长!希望这能有所帮助!
