Wie ersetze ich fehlende Werte in Pandas-DataFrames durch Spaltendurchschnitte?

Ersetzen von NaN-Werten durch Spaltendurchschnitte in Pandas-DataFrames

Bei der Arbeit mit Pandas-DataFrames kommt es häufig vor, dass NaN-Werte (fehlende Werte) auftreten. Um mit diesen Werten effektiv umgehen zu können, ist es wichtig, sie durch geeignete Werte zu ersetzen. Eine effiziente Möglichkeit besteht darin, NaN-Werte durch den Durchschnitt ihrer jeweiligen Spalten zu ersetzen.

Lösung mit DataFrame.fillna

Im Gegensatz zu dem in der Referenzfrage erwähnten Ansatz verwendet Pandas DataFrames kann unterschiedlich gehandhabt werden. Die DataFrame.fillna-Methode bietet eine einfache Lösung zum Füllen von NaN-Werten:

<code class="python">df.fillna(df.mean())</code>

Detaillierte Erklärung:

• Die Funktion df.mean() berechnet die Durchschnitt jeder Spalte im DataFrame.
• Die Fillna-Methode verwendet die berechneten Durchschnittswerte und füllt die NaN-Werte in jeder Spalte mit dem entsprechenden Durchschnitt.

Beispiel:

Betrachten wir den folgenden 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

Nach Anwendung der Fillna-Methode mit Durchschnittswerten:

          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

Wie gezeigt, wurden die NaN-Werte durch ersetzt entsprechende Spaltendurchschnitte.

Das obige ist der detaillierte Inhalt vonWie ersetze ich fehlende Werte in Pandas-DataFrames durch Spaltendurchschnitte?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!