如何使用組別平均值估算 Pandas DataFrame 中的缺失值？

在Pandas DataFrame 中以群組平均值填滿缺失值

在資料操作任務中，常會遇到表示為NaN 的缺失值。為了解決這個問題，一種方法是用特定組內計算的平均值來填入這些缺失值。

考慮範例資料框：

name	value
A	1
A	NaN
B	NaN
B	2
B	3
B	1
C	3
C	NaN
C	3

我們的目標是取代 NaN具有對應群組平均值「值」的值。為了實現這一點，我們可以利用transform()方法：

mean_values = df.groupby('name').transform(lambda x: x.fillna(x.mean()))
df["value"] = mean_values

執行後，資料幀被更新：

name	value
A	1
A	1
B	2
B	2
B	3
B	1
C	3
C	3
C	3

每個NaN值都被替換為其各自的組別平均值，保留資料的完整性以便進一步分析。

以上是如何使用組別平均值估算 Pandas DataFrame 中的缺失值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！