首页 文章

pandas DataFrame：用平均列替换nan值

提问于
浏览 次
86

我有一个大概用实数填充的pandas DataFrame，但它中也有一些 nan 值 .

如何用列的平均值替换 nan ？

这个问题与这个问题非常类似：numpy array: replace nan values with average of columns但不幸的是，那里给出的解决方案对于pandas DataFrame不起作用 .

python pandas nan

7 回答

  • 3

    除上述选择外，另一个选择是：

    df = df.groupby(df.columns, axis = 1).transform(lambda x: x.fillna(x.mean()))

    它比以前的均值响应更不优雅，但如果你想用其他列函数替换空值，它可能会更短 .

    回复于
  • 6

    您可以直接使用DataFrame.fillna填充 nan ：

    In [27]: df 
Out[27]: 
          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

In [28]: df.mean()
Out[28]: 
A   -0.151121
B   -0.231291
C   -0.530307
dtype: float64

In [29]: df.fillna(df.mean())
Out[29]: 
          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

    fillna 的文档字符串表示 value 应该是标量或字典，但是，它似乎也适用于 Series . 如果你想传递一个字典，你可以使用 df.mean().to_dict() .

    回复于
  • 5

    尝试：

    sub2['income'].fillna((sub2['income'].mean()), inplace=True)
    回复于
  • 1
    In [16]: df = DataFrame(np.random.randn(10,3))

In [17]: df.iloc[3:5,0] = np.nan

In [18]: df.iloc[4:6,1] = np.nan

In [19]: df.iloc[5:8,2] = np.nan

In [20]: df
Out[20]: 
          0         1         2
0  1.148272  0.227366 -2.368136
1 -0.820823  1.071471 -0.784713
2  0.157913  0.602857  0.665034
3       NaN -0.985188 -0.324136
4       NaN       NaN  0.238512
5  0.769657       NaN       NaN
6  0.141951  0.326064       NaN
7 -1.694475 -0.523440       NaN
8  0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794

In [22]: df.mean()
Out[22]: 
0   -0.251534
1   -0.040622
2   -0.841219
dtype: float64

    每列应用该列的平均值并填充

    In [23]: df.apply(lambda x: x.fillna(x.mean()),axis=0)
Out[23]: 
          0         1         2
0  1.148272  0.227366 -2.368136
1 -0.820823  1.071471 -0.784713
2  0.157913  0.602857  0.665034
3 -0.251534 -0.985188 -0.324136
4 -0.251534 -0.040622  0.238512
5  0.769657 -0.040622 -0.841219
6  0.141951  0.326064 -0.841219
7 -1.694475 -0.523440 -0.841219
8  0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794
    回复于
  • 26
    # To read data from csv file
Dataset = pd.read_csv('Data.csv')

# To divide input in X and y axis
X = Dataset.iloc[:, :-1].values
Y = Dataset.iloc[:, 3].values

# To calculate mean use imputer class

from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)


 imputer = imputer.fit(X[:, 1:3])
    X[:, 1:3] = imputer.transform(X[:, 1:3])
    回复于
  • 15

    如果你想用平均值来估算缺失值并且你想逐列，那么这只会用该列的平均值来估算 . 这可能更具可读性 .

    sub2['income'] = sub2['income'].fillna((sub2['income'].mean()))
    回复于
  • 151

    直接使用 df.fillna(df.mean()) 用均值填充所有空值

    如果要使用该列的平均值填充空值，则可以使用此值

    假设 x=df['Item_Weight'] 这里 Item_Weight 是列名

    这里我们分配（将x的空值填充到x的x的平均值）

    df['Item_Weight'] = df['Item_Weight'].fillna((df['Item_Weight'].mean()))

    如果要使用某些字符串填充空值，请使用

    这里 Outlet_size 是列名

    df.Outlet_Size = df.Outlet_Size.fillna('Missing')
    回复于

相关问题