如何用每個對應列的平均值取代 pandas DataFrame 中的 NaN 值？

用pandas DataFrame 中的列平均值取代NaN 值

在pandas DataFrame 中，可能會出現NaN 值，需要用適當的值替換用於資料分析。本文解決了用每個相應列的平均值替換 NaN 的挑戰。

與 numpy 陣列不同，pandas DataFrame 無法直接套用 numpy 陣列所使用的平均技術。相反，DataFrame.fillna 方法提供了一個簡單的解決方案。

使用DataFrame.fillna

要使用列平均值填入NaN 值，請使用下列程式碼：

<code class="python">import pandas as pd

# Create a DataFrame with NaN values
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]
})

print("Original DataFrame with NaN values:")
print(df)

# Calculate column means
column_means = df.mean()
print("\nColumn means:")
print(column_means)

# Replace NaN values with column means
df_filled = df.fillna(column_means)
print("\nDataFrame with NaN values replaced by column means:")
print(df_filled)</code>

範例：

考慮以下具有NaN 值的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

使用DataFrame。 fillna，NaN 值替換為列平均值：

           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

因此，NaN 值已替換為適當的列平均值。

以上是如何用每個對應列的平均值取代 pandas DataFrame 中的 NaN 值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！