Python - 如何在 Pandas 中用平均值填充 NAN 值?

对于平均值，使用 mean() 函数。计算包含 NaN 的列的平均值，并使用 fillna() 用平均值填充 NaN 值。

让我们首先导入所需的库 −

import pandas as pd
import numpy as np

创建一个包含 2 列和一些 NaN 值的 DataFrame。我们使用 numpy np.NaN − 输入了这些 NaN 值

dataFrame = pd.DataFrame(
       {
            "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
    }
)

查找具有 NaN 的列值的平均值，即针对 Units 列这里。因此，Units 列有 100、150 和 80；因此，平均值为 110 −

meanVal = dataFrame['Units'].mean()

将 NaN 替换为其所在列的平均值。上面计算的平均值是 110，所以 NaN 值将被替换为 110 −

dataFrame['Units'].fillna(value=meanVal, inplace=True)

示例

以下是代码 −

import pandas as pd
import numpy as np

# 创建 DataFrame
dataFrame = pd.DataFrame(
   {
        &"Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
}
)

print"DataFrame ...\n",dataFrame

# 查找列值为 NaN 的平均值，即此处的 Units 列
# 因此 Units 列有 100、150 和 80；因此平均值将为 110
meanVal = dataFrame['Units'].mean()

# 将 NaN 替换为其所在列的平均值
# 上面计算的平均值是 110，因此 NaN 值将被替换为 110
dataFrame['Units'].fillna(value=meanVal, inplace=True)
print"\nUpdated Dataframe after filling NaN values with mean...\n",dataFrame

输出

这将产生以下输出 −

DataFrame ...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus     NaN
3  Mustang    80.0
4  Bentley     NaN
5  Mustang     NaN

Updated Dataframe after filling NaN values with mean...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus   110.0
3  Mustang    80.0
4  Bentley   110.0
5  Mustang   110.0

相关文章

• Python 中通过 K 扩展列表
• Python - 使用交替的 0 和 1 初始化列表
• Python 中元组列表到字典的转换
• Python - 从两个列表中配对，使得成对的元素不相同
• 使用 Python 和 SQLite 的 SQL
• 使用 pytrie 模块在 Python 中进行前缀匹配
• 创建和访问 Python 包
• 如何使用正则表达式和数据类型选择多个 DataFrame 列
• 如何在 Pandas 中查找和过滤重复行?
• 用 Python 编写程序以正确的顺序查找机场?

有用资源

• python 参考教程 - 该教程包含有关 python 的更多信息:https://www.cainiaomax.com/python/