Question

我在熊猫身上遇到了一个奇怪的问题。我有一个包含多个NaN值的Dataframe。我以为我可以使用列方式填充NaN个值（也就是说，用其列的平均值填充每个NaN值）但是当我尝试以下

时

  col_means = mydf.apply(np.mean, 0)
  mydf = mydf.fillna(value=col_means)

我仍然看到一些NaN值。为什么呢？

是否因为我原始数据框中的NaN值比col_means中的条目多？{1}}？并且逐行填充与逐行填充之间究竟有什么区别？

Answer 1

你可以fillna使用df.mean()系列（类似dict）：

In [11]: df = pd.DataFrame([[1, np.nan], [np.nan, 4], [5, 6]])

In [12]: df
Out[12]:
    0   1
0   1 NaN
1 NaN   4
2   5   6

In [13]: df.fillna(df.mean())
Out[13]:
   0  1
0  1  5
1  3  4
2  5  6

注意：df.mean()是行方式，它给出填充值：

In [14]: df.mean()
Out[14]:
0    3
1    5
dtype: float64

注意：如果df.mean()有一些NaN值，那么这些将在DataFrame的fillna中使用，也许你想在这个系列上使用fillna，即

df.mean().fillna(0)
df.fillna(df.mean().fillna(0))

Pandas fillna：输出仍然具有NaN值

1 个答案: