如何在Pandas中用平均值填充NAN值

在Pandas中，可以使用Pandas库提供的fillna()函数将缺失值(NaN)替换为指定的值。具体而言，可以用均值(mean)填充NaN值。

假设我们有一张名为df的数据框(DataFrame)，它包含三列数据，其中某些值是NaN(即缺失值)，需要用均值来填充这些NaN值。以下是如何做到的：

1. 计算均值
   可以使用Pandas的mean()函数来计算包含NaN值的Series的均值，指定skipna=True可以跳过NaN值：

import pandas as pd

# 假设df为包含NaN值的数据框
# 求df每列的均值
means = df.mean(skipna=True)

# 打印均值
print(means)

1. 用均值来填充NaN值
   用fillna()方法将缺失值替换为均值，指定inplace=True可以直接替换原来的数据：

# 用均值填充df中的NaN值
df.fillna(value=means, inplace=True)

# 打印填充后的df
print(df)

完整代码如下：

import pandas as pd

# 创建数据框
data = {'A': [1, 2, None, 4, 5],
       'B': [None, 4, 5, 6, None],
       'C': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 求每列的均值
means = df.mean(skipna=True)

# 用均值填充df中的NaN值
df.fillna(value=means, inplace=True)

# 打印填充后的df
print(df)

输出结果如下：

     A    B  C
0  1.0  4.5  1
1  2.0  4.0  2
2  3.0  5.0  3
3  4.0  6.0  4
4  5.0  4.5  5

以上就是在Pandas中使用均值填充NaN值的详细步骤。