如何通过考虑前2个观测值的平均值来填充NaN值

Question

我正在使用以下代码在熊猫中填充NaN值。 df具有不同的气候变量（温度，湿度，降雨量，植被...）

df1[var_list]= df1[var_list].fillna(df1[var_list].rolling(3, min_periods=1).mean())

我想用该列中前2个值的平均值填充NaN。在df的某些部分中，我有连续的8个NaN，因此上面的代码仅填充了前2个NaN。对于上面给出的代码，这是正确的输出。

但是我想填充所有NaN（可能是估算的NaN值的平均值？-但是我不知道如何进行此操作，因为我是python的新手）。有一个更好的方法吗。我将对我的ML模型使用时间滞后的输入，因此我不能放弃任何观察。

var_list ==>包含具有NaN的变量列表

Answer 1

这不是完美的，但是您可以通过两个步骤完成与此非常接近的事情：

1. 像上面那样计算当前的滚动平均值
2. 转发（.ffill()）

虽然第一步仅填充值之后直接出现的NA，但第二步将从那里填充。

但是我不确定如果NA在单个值之后出现，例如

3 2 NaN NaN 3 NaN NaN

听起来您希望将后两个NaN设置为2.5，但是此方法可能会将它们设置为3（因为滚动平均值将没有足够的前一个元素来填充它们）。因此，最终取决于您是否愿意稍微改变自己的方法。

Answer 2

我想一个简单的joe方法可能是一遍又一遍地做，直到通过检查没有NaN为止

while df1.isnull().values.any() is True:
    df1[var_list]= df1[var_list].fillna(df1[var_list].rolling(3, min_periods=1).mean())