pandy DataFrame: zamień wartości nan na średnią z kolumn

Mam pandy DataFrame wypełnione głównie liczbami rzeczywistymi, ale jest nanw niej również kilka wartości.

Jak mogę zamienić nans na średnie z kolumn tam, gdzie się znajdują?

To pytanie jest bardzo podobne do tego: numpy array: zamień wartości nan na średnią z kolumn, ale niestety podane tam rozwiązanie nie działa dla pand DataFrame.

Możesz po prostu użyć DataFrame.fillnado bezpośredniego wypełnienia nan:

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

Dokumentacja fillnamówi, że valuepowinno to być skalar lub dykt, jednak wydaje się, że działa również z a Series. Jeśli chcesz przekazać dyktando, możesz użyć df.mean().to_dict().

Próbować:

sub2['income'].fillna((sub2['income'].mean()), inplace=True)

In [16]: df = DataFrame(np.random.randn(10,3))

In [17]: df.iloc[3:5,0] = np.nan

In [18]: df.iloc[4:6,1] = np.nan

In [19]: df.iloc[5:8,2] = np.nan

In [20]: df
Out[20]: 
          0         1         2
0  1.148272  0.227366 -2.368136
1 -0.820823  1.071471 -0.784713
2  0.157913  0.602857  0.665034
3       NaN -0.985188 -0.324136
4       NaN       NaN  0.238512
5  0.769657       NaN       NaN
6  0.141951  0.326064       NaN
7 -1.694475 -0.523440       NaN
8  0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794

In [22]: df.mean()
Out[22]: 
0   -0.251534
1   -0.040622
2   -0.841219
dtype: float64

Zastosuj dla każdej kolumny średnią z tych kolumn i wypełnij

In [23]: df.apply(lambda x: x.fillna(x.mean()),axis=0)
Out[23]: 
          0         1         2
0  1.148272  0.227366 -2.368136
1 -0.820823  1.071471 -0.784713
2  0.157913  0.602857  0.665034
3 -0.251534 -0.985188 -0.324136
4 -0.251534 -0.040622  0.238512
5  0.769657 -0.040622 -0.841219
6  0.141951  0.326064 -0.841219
7 -1.694475 -0.523440 -0.841219
8  0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794

# To read data from csv file
Dataset = pd.read_csv('Data.csv')

X = Dataset.iloc[:, :-1].values

# To calculate mean use imputer class
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])

Jeśli chcesz przypisać brakujące wartości średnią i chcesz jechać kolumna po kolumnie, to będzie to podstawiać tylko średnią z tej kolumny. To może być trochę bardziej czytelne.

sub2['income'] = sub2['income'].fillna((sub2['income'].mean()))

Bezpośrednio użyj, df.fillna(df.mean())aby wypełnić wszystkie wartości null średnią

Jeśli chcesz wypełnić wartość null średnią z tej kolumny, możesz tego użyć

załóżmy x=df['Item_Weight'], że tutaj Item_Weightjest nazwa kolumny

tutaj przypisujemy (wypełnij puste wartości x ze średnią x do x)

df['Item_Weight'] = df['Item_Weight'].fillna((df['Item_Weight'].mean()))

Jeśli chcesz wypełnić wartość null jakimś ciągiem znaków, użyj

tutaj Outlet_sizejest nazwa kolumny

df.Outlet_Size = df.Outlet_Size.fillna('Missing')

Inną opcją poza powyższymi jest:

df = df.groupby(df.columns, axis = 1).transform(lambda x: x.fillna(x.mean()))

Jest mniej elegancki niż poprzednie odpowiedzi dla średniej, ale może być krótszy, jeśli chcesz zastąpić wartości null inną funkcją kolumnową.

Pandy: Jak zamienić nanwartości NaN ( ) na średnią (średnią), medianę lub inne statystyki z jednej kolumny

Powiedz, że Twoja ramka DataFrame jest dfi masz jedną kolumnę o nazwie nr_items. To jest: df['nr_items']

Jeśli chcesz zastąpić te NaNwartości kolumnie df['nr_items']ze średnią w kolumnie :

Użyj metody .fillna():

mean_value=df['nr_items'].mean()
df['nr_item_ave']=df['nr_items'].fillna(mean_value)

Utworzyłem nową dfkolumnę o nazwie nr_item_avedo przechowywania nowej kolumny z NaNwartościami zastąpionymi przez meanwartość kolumny.

Należy zachować ostrożność podczas korzystania z mean. Jeśli masz wartości odstające, bardziej zalecane jest użycie rozszerzeniamedian

za pomocą klasy przetwarzania wstępnego biblioteki sklearn

from sklearn.impute import SimpleImputer
missingvalues = SimpleImputer(missing_values = np.nan, strategy = 'mean', axis = 0)
missingvalues = missingvalues.fit(x[:,1:3])
x[:,1:3] = missingvalues.transform(x[:,1:3])

Uwaga: W najnowszej wersji missing_valueswartość parametru zmienia się na np.nanfromNaN