Wie ersetze ich NaN-Werte in einem Pandas-Datenrahmen durch Spaltendurchschnitte?

Pandas DataFrame: Ersetzen von NaN-Werten durch Spaltendurchschnitte

In Pandas DataFrames ist der Umgang mit fehlenden Daten für eine genaue Analyse von entscheidender Bedeutung. Bei unvollständigen Daten ist es notwendig, NaN-Werte durch aussagekräftige Schätzungen zu ersetzen. Dieser Artikel zeigt, wie man NaN-Werte durch den Durchschnitt ihrer jeweiligen Spalten in einem Pandas-DataFrame ersetzt.

Problem

Stellen Sie sich einen DataFrame mit einer Mischung aus reellen Zahlen und NaN-Werten vor. Das Ziel besteht darin, die NaN-Werte durch die Durchschnittswerte der Spalten zu ersetzen, in denen sie erscheinen.

Lösung

Im Gegensatz zu NumPy-Arrays kann das Füllen von NaN-Werten in Pandas-DataFrames mithilfe von effizient gehandhabt werden fillna-Methode:

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

Diese Methode füllt NaN-Werte mit dem Mittelwert der entsprechenden Spalte. Zum Beispiel:

<code class="python">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]})

mean = df.mean()
print(df.fillna(mean))</code>

Ausgabe:

          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

Die NaN-Werte wurden durch die Durchschnittswerte ihrer jeweiligen Spalten ersetzt.

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