panda DataFrame: ganti nilai nan dengan rata-rata kolom

Saya punya panda DataFrame yang sebagian besar diisi dengan bilangan real, tetapi ada beberapa nannilai di dalamnya juga.

Bagaimana saya bisa mengganti nans dengan rata-rata kolom di mana mereka?

Pertanyaan ini sangat mirip dengan yang satu ini: numpy array: ganti nilai-nilai nan dengan rata-rata kolom tetapi, sayangnya, solusi yang diberikan di sana tidak berfungsi untuk panda DataFrame.

Anda cukup menggunakan DataFrame.fillnauntuk mengisi nanlangsung:

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

Doktring fillnamengatakan bahwa itu valueharus skalar atau dikt, bagaimanapun, tampaknya bekerja dengan Seriesbaik juga. Jika Anda ingin mengirimkan dikt, Anda dapat menggunakannya df.mean().to_dict().

Mencoba:

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

Terapkan per kolom rata-rata kolom itu dan isi

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])

Jika Anda ingin menyalahkan nilai yang hilang dengan mean dan Anda ingin pergi kolom demi kolom, maka ini hanya akan menyalahkan dengan rata-rata kolom itu. Ini mungkin sedikit lebih mudah dibaca.

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

Langsung digunakan df.fillna(df.mean())untuk mengisi semua nilai nol dengan mean

Jika Anda ingin mengisi nilai nol dengan rata-rata kolom itu maka Anda dapat menggunakan ini

anggap di x=df['Item_Weight']sini Item_Weightadalah nama kolom

di sini kita menugaskan (mengisi nilai nol dari x dengan rata-rata x ke x)

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

Jika Anda ingin mengisi nilai nol dengan beberapa string kemudian gunakan

di sini Outlet_sizeadalah nama kolom

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

Pilihan lain selain yang di atas adalah:

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

Ini kurang elegan daripada respons sebelumnya untuk mean, tetapi bisa lebih pendek jika Anda ingin mengganti nol dengan beberapa fungsi kolom lainnya.

Panda: Bagaimana cara mengganti nilai NaN ( nan) dengan rata-rata (rata-rata), median atau statistik lainnya dari satu kolom

Katakanlah DataFrame dfAnda dan Anda memiliki satu kolom yang dipanggil nr_items. Ini adalah: df['nr_items']

Jika Anda ingin mengganti dengan NaNnilai-nilai kolom Anda df['nr_items']dengan rerata kolom :

Gunakan metode .fillna():

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

Saya telah membuat dfkolom baru yang disebut nr_item_aveuntuk menyimpan kolom baru dengan NaNnilai - nilai yang digantikan oleh meannilai kolom.

Anda harus berhati-hati saat menggunakan mean. Jika Anda memiliki outlier lebih direkomendasikan untuk menggunakanmedian

menggunakan kelas preprocessing perpustakaan 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])

Catatan: Dalam nilai parameter versi terbaru missing_valuesberubah np.nandariNaN