Pandas 如何使用fillna()方法将系列的NaN值替换为元素的平均值

在pandas数据清洗过程中，替换缺失值起着非常重要的作用，在某些情况下我们必须用系列元素的平均值来替换这些缺失值。可以使用fillna()方法来实现。

这个pandas series.fillna()方法的基本操作是用指定的值来替换缺失值（NaN或NA）。初始时，该方法会查找所有的NaN值，并将它们替换为指定的替换值。

示例1

这里我们将看到series.fillna()方法如何使用平均值来替换缺失值。

# importing pandas package
import pandas as pd
import numpy as np

# create a series
s = pd.Series([69, np.nan, np.nan, 10, 30, 52, 70, np.nan, 54, 79, np.nan])
print(s)

# replace Missing values with an average value
result = s.fillna(s.mean())
print('Result:')
print(result)

解释

在下面的示例中，我们将使用序列元素的平均值来替换缺失的值。为此，我们将series.mean()函数应用为fillna()方法的参数。

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，在索引位置1、2、5、7和10，数值52.0（平均值）被替换为NaN值。

示例2

我们再来看一个示例，用序列元素的平均值替换缺失值NaN/NA。

# importing pandas package
import pandas as pd
import numpy as np

# create a series
s = pd.Series([np.nan, 49, 45, 47, 99, 99, np.nan, np.nan, 94, np.nan])
print(s)

# replace Missing values with an average value
result = s.fillna(s.mean())
print('Result:')
print(result)

说明

首先，我们创建了一个带有整数和NaN值列表的pandas系列对象，然后调用了fillna()方法并使用平均值作为参数。我们使用series.mean()函数计算了平均值，然后将该平均值应用为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

平均值72.166667替换了缺失值，索引位置为0、6、7和9。