如何使用 fillna() 方法将序列中的 NaN 值替换为元素的平均值?
pandasserver side programmingprogramming更新于 2025/7/10 21:22:17
在 Pandas 数据清理过程中，替换缺失值非常重要，在某些情况下，我们必须将这些缺失值替换为序列元素的平均值。这可以通过使用 fillna() 方法来实现。
Pandas series.fillna() 方法的基本操作是用指定的值替换缺失值(Nan 或 NA)。首先，该方法会验证所有 Nan 值，并将其替换为指定的替换值。
示例 1
这里我们将看到 series.fillna() 方法如何将缺失值替换为平均值。
# 导入 pandas 包
import pandas as pd
import numpy as np
# 创建序列
s = pd.Series([69, np.nan, np.nan, 10, 30, 52, 70, np.nan, 54, 79, np.nan])
print(s)
# 用平均值替换缺失值
result = s.fillna(s.mean())
print('Result:')
print(result)
解释
在下面的示例中，我们将用系列元素的平均值替换缺失值。为此，我们将 series.mean() 函数作为参数应用于 fillna() 方法。
输出
输出如下所示 −
0 69.0 1 NaN 2 NaN 3 10.0 4 30.0 5 52.0 6 70.0 7 NaN 8 54.0 9 79.0 10 NaN dtype: float64 Result: 0 69.0 1 52.0 2 52.0 3 10.0 4 30.0 5 52.0 6 70.0 7 52.0 8 54.0 9 79.0 10 52.0 dtype: float64
如您所见，索引位置 1、2、5、7 和 10 中的值 52.0(平均值)被替换为 Nan 值。
示例 2
我们再举一个例子，将缺失值 Nan/NA 替换为序列元素的平均值。
# 导入 pandas 包
import pandas as pd
import numpy as np
# 创建序列
s = pd.Series([np.nan, 49, 45, 47, 99, 99, np.nan, np.nan, 94, np.nan])
print(s)
# 用平均值替换缺失值
result = s.fillna(s.mean())
print('Result:')
print(result)
解释
首先，我们创建了一个 Pandas Series 对象，其中包含一个整数列表和 Nan 值，然后使用平均值调用了 fillna() 方法。我们使用 series.mean() 函数计算平均值，然后将该平均值作为 fillna() 方法的参数。
输出
输出如下所示 −
0 NaN 1 49.0 2 45.0 3 47.0 4 99.0 5 99.0 6 NaN 7 NaN 8 94.0 9 NaN dtype: float64 Result: 0 72.166667 1 49.000000 2 45.000000 3 47.000000 4 99.000000 5 99.000000 6 72.166667 7 72.166667 8 94.000000 9 72.166667 dtype: float64
用平均值 72.166667 来替代缺失值，索引位置为 0、6、7 和 9。
