Question

我有一个DataFrame，其列名称为age,salary。也有一些NaN值。我想使用Mean和Median填充这些值。

原始DataFrame


age salary
0   20.0    NaN
1   45.0    22323.0
2   NaN 598454.0
3   32.0    NaN
4   NaN 48454.0

使用apply（）分别在其各自的列中的age和mean()中丢失salary。

我用过

median()

即使我使用df['age','salary'].apply({'age':lambda row:row.fillna(row.mean()), 'salary':lambda row:row.fillna(row.median()) })，它仍显示Key error 'age','salary'

输出结果

axis=1

有人可以告诉我如何正确执行操作以及后台发生了什么事吗？

请告知是否还有其他方法。我正在从头开始学习熊猫

Answer 1

运行之前如何计算缺失值？也就是说，计算age的平均值和salary的中位数，然后使用（请注意，对多列进行运算需要使用额外的[]括号）

median_salary = df['salary'].median()
mean_age = df['age'].mean()

df[['age','salary']].apply({'age': lambda r: r.fillna(mean_age), 'salary': lambda r: r.fillna(median_salary)})

还请注意，这不会影响数据框，而是创建一个新的数据框，因此，如果要更新列，请使用类似以下内容的东西：

df[['age', 'salary']] = df[['age', 'salary']].apply(...)

或者，在您只想填写缺失值的情况下，最好的解决方案可能是：

r.fillna({'age': mean_age, 'salary': median_salary}, inplace=True)

Answer 2

根据documentation，最简单的方法是将字典作为Uri参数传递

value：标量，字典，系列或DataFrame

用于填充孔的值（例如0），或者是值的dict / Series / DataFrame，用于指定每个值使用的值   索引（对于Series）或列（对于DataFrame）。值不在   dict / Series / DataFrame将不会被填充。该值不能是列表。

根据您的情况，代码将是下一个：

value

并给出：

df.fillna(value={'age': df.age.mean(), 'salary': df.salary.median()}, inplace=True)

在数据框的每一列上对不同的列使用apply（）并使用不同的功能

2 个答案: