pandas DataFrame：nan値を列の平均で置き換えます

私はほとんど実数で満たされたパンダのDataFrameを持っていますが、それにはいくつかのnan値もあります。

どのようにしてnansをそれらが存在する列の平均で置き換えることができますか？

この質問はこれと非常に似ています：numpy配列：nan値を列の平均で置き換えます が、残念ながら、そこに与えられた解決策はpandas DataFrameでは機能しません。

を使用DataFrame.fillnaして、nan直接を埋めることができます。

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

のdocstringはスカラーまたはディクショナリでfillnaあるvalue必要があると述べていますが、でも動作するようSeriesです。辞書を渡す場合は、を使用できますdf.mean().to_dict()。

試してください：

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

列ごとにその列の平均を適用して塗りつぶします

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])

欠損値を平均で補完し、列ごとに移動する場合、これはその列の平均でのみ補完します。これはもう少し読みやすいかもしれません。

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

df.fillna(df.mean())すべてのnull値を平均で埋めるために直接使用

その列の平均値でnull値を入力する場合は、これを使用できます

x=df['Item_Weight']ここItem_Weightに列名があるとします

ここで割り当てます（xのnull値をxの平均でxに埋めます）

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

null値を文字列で埋めたい場合は、

ここOutlet_sizeに列名があります

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

上記以外のオプションは次のとおりです。

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

これは、平均的には以前の応答よりもエレガントではありませんが、nullを他の列関数で置き換えたい場合は短くなる可能性があります。

パンダ：NaN（nan）値を1つの列の平均（平均）、中央値、またはその他の統計で置き換える方法

DataFrameがでdfあり、という列が1つあるとしますnr_items。これは： df['nr_items']

列の値を列の平均値で置き換える場合：NaNdf['nr_items']

使用方法.fillna()：

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

新しいdf列nr_item_aveを格納するために呼び出される新しい列を作成し、NaN値を列の値で置き換えましたmean。

を使用するときは注意が必要meanです。外れ値がある場合は、median

sklearnライブラリ前処理クラスの使用

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])

注：最近のバージョンでは、パラメーターmissing_values値np.nanがNaN