pandas DataFrame：用列的平均值替换nan值
我的pandas DataFrame主要填充了实数，但是其中也包含一些nan值。
如何nan用列的平均值替换s？
这个问题与这个问题非常相似：numpy array：用列的平均值替换nan值， 但是不幸的是，给出的解决方案不适用于pandas DataFrame。
问题答案：
你可以直接使用DataFrame.fillna来nan直接填充：
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
的文档字符串fillna说，value应该是一个标量或快译通，但是，它似乎工作用Series为好。如果你想通过字典，可以使用df.mean().to_dict()。
-
我有一个pandas DataFrame，其中大部分都是实数，但也有一些值。
-
问题内容： 我有一个numpy数组，其中大多数都用实数填充，但是其中也包含一些值。 如何用列的平均值替换s？ 问题答案： 无需循环：
-
问题内容： 假设我有一个带有 的DataFrame ： 我需要做的是用上方的同一列中NaN的第一个非NaN值替换每个值。假设第一行永远不会包含NaN。因此，对于前面的示例，结果将是 我可以遍历整个DataFrame的逐列，逐元素并直接设置值，但是是否有一种简单的方法（最佳无循环方法）来实现这一点？ 问题答案： 你可以在上使用该方法，并将该方法指定为ffill（正向填充）： 这个方法 将上一个有效观
-
问题内容： 我正在尝试学习熊猫，但请对以下内容感到困惑。我想用行平均值替换NaN是一个数据框。因此，类似的东西应该可以工作，但是由于某种原因，它对我来说是失败的。我是否想念任何东西，我做错了什么？是因为其未执行； 但是这样的事情看起来很好 问题答案： 如评论所述，fillna的axis参数为NotImplemented。 注意：这在这里很重要，因为您不想用第n行平均值填写第n列。 现在，您需要遍历
-
问题内容： 我有一个熊猫数据框，其中包含每月数据，我想为其计算12个月的移动平均值。但是缺少一月每个月的数据（NaN），所以我正在使用 但这只是给我所有的NaN值。 有没有一种简单的方法可以忽略NaN值？我了解实际上，这将成为11个月的移动平均值。 数据框还有其他包含一月数据的变量，所以我不想只扔掉一月的列并进行11个月的移动平均。 问题答案： 有几种方法可以解决此问题，最好的方法取决于一月份的数
-
问题内容： 如何沿着矩阵计算矩阵均值，但要从计算中删除值？（对于R人，请考虑）。 这是我的[非]工作示例： 除去NaN之后，我的预期输出为： 问题答案： 我认为您想要的是一个蒙版数组： 编辑： 合并所有时序数据 返回值：