中位数比均值更抗异常值干扰，优先用于偏斜分布或存在离群点的数据；均值仅适用于近似对称且无强异常值的场景。
中位数（median）比均值（mean）更抗异常值干扰，只要数据分布偏斜或存在明显离群点，优先选 median；只有当数据近似对称、无强异常值，且业务上接受“被拉高/拉低”的填充效果时，才考虑 mean。
为什么median在多数业务场景下更安全
均值会把极端值“算进去”，比如某列收入数据里混入一个 9999999 的错误录入，df["income"].mean() 就会远高于真实人群水平，用它填充缺失会导致后续统计严重偏差。而中位数只依赖排序位置，df["income"].median() 不受这个错误值影响。
- 判断依据很简单：运行
df["col"].describe()，看mean和50%（即中位数）是否相差超过 20% —— 差得多，说明分布偏斜，别用mean - 整数型字段（如“家庭成员数”）用
median填充后仍是整数，mean却常产生小数（如 2.3），后续做分组或计数时还得 round，徒增麻烦 -
median对缺失本身更鲁棒：哪怕该列已有 30% 缺失，median()仍能基于剩余有效值稳定计算；但若缺失集中在高值段，mean()就可能系统性低估
fillna(df.mean()) 和 fillna(df.median()) 的行为差异
两者都支持按列广播填充，但底层逻辑不同：
-
df.mean()默认跳过NaN，返回每列的标量值；df.median()同理，但计算路径更稳定 - 若某列全为
NaN，df.mean()返回NaN，直接传给fillna()会导致该列无变化；df.median()同样返回NaN，结果一致 —— 所以务必先用df.isna().sum()排查空列 - 对非数值列（如字符串），
df.mean()报TypeError；df.median()同样报错 —— 它们都不处理 object 类型，得单独用mode()或业务规则
别忽略类型和业务含义的耦合
用 median 填充不是万能解药，关键看字段是否满足“可排序+中心有业务意义”：
- 时间字段（如
order_time）用median是合理的，因为中位时间仍有明确物理意义；但用mean可能算出一个不存在的“平均时刻”（如 2026-10-14 12:34:56.789） - 分类编码列（如
city_id=1,2,5,NaN）既不能用mean也不能用median—— 填出来的 3.0 或 2.5 都不是合法 ID，必须用mode()或标记为“未知” - 如果缺失本身代表“未发生”（如“用户最后一次登录距今天数”为空 = 从未登录），填中位数反而扭曲语义，此时应填 0 或单独建标志列
真正容易被忽略的点是：中位数填充后，原始数据的方差会人为压缩，尤其当缺失比例高时。如果你后续要做异常检测或聚类，得意识到这个填充动作已经悄悄平滑掉了部分真实变异 —— 不是 bug，是 trade-off。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
