pandas 平均插补返回Dataframe中的None和Nan

xmq68pz9 于 2023-08-01 发布在其他

关注(0)|答案(2)|浏览(118)

我想用mean方法填充两列的缺失值。这两个列的类型是float64。

df['col1'].dtypes
dtype('float64')
df['col2'].dtypes
dtype('float64')

字符串
我使用了两种方法来填充列。首先，我用“0”填充nan值。

df.replace(np.nan,0, inplace=True )

型
然后我使用fillna.mean（）方法来填充列

df['col1']=df['col1'].fillna(df['col1'].mean(), inplace=True)

型
这是return之类的

Col1
Nan
Nan
Nan

型
我尝试了第二种方法，没有首先将nan值填充为零，而是直接应用均值插补方法，该方法返回“无”。
我不明白我的实现出了什么问题。如果你能帮忙的话，我会很感激的。

2条答案

一个可能的解决方案（在计算平均值时需要使用skipna=True）：

df['col1'].fillna(df['col1'].mean(skipna=True), inplace=True)

字符串

引用问题：“然后我使用fillna.mean（）方法来填充列”
df['col1']=df['col1'].fillna（df['col1'].mean（），inplace=True）

删除inplace参数，因为您分配了列。这是第一个错误。

在清除这个错别字后，尽管过去了几年，它仍然完美地工作：pandas DataFrame: replace nan values with average of columns
df.fillna（df.mean（））
用一个新鲜的随机示例验证：

col1  col2
0   1.0   NaN
1   0.1   1.0
2   NaN   3.2
3   4.0   NaN
4   8.0   0.0

个字符

首先不需要将NaN替换为0（在计算均值时也不需要跳过NaN，正如另一个答案所建议的那样）。