Python/Pandas Dataframe 用中值替换 0答案

【问题标题】：Python/Pandas Dataframe replace 0 with median valuePython/Pandas Dataframe 用中值替换 0
【发布时间】：2016-05-29 05:21:26
【问题描述】：

我有一个带有几列的 python pandas 数据框，其中一列有 0 值。我想用此列的median 或mean 替换0 值。

data 是我的数据框
artist_hotness 是列

mean_artist_hotness = data['artist_hotness'].dropna().mean()

if len(data.artist_hotness[ data.artist_hotness.isnull() ]) > 0:
data.artist_hotness.loc[ (data.artist_hotness.isnull()), 'artist_hotness'] = mean_artist_hotness

我试过这个，但它不起作用。

【问题讨论】：

标签： python pandas dataframe mean median

【解决方案1】：

使用pandasreplace方法：

df = pd.DataFrame({'a': [1,2,3,4,0,0,0,0], 'b': [2,3,4,6,0,5,3,8]}) 

df 
   a  b
0  1  2
1  2  3
2  3  4
3  4  6
4  0  0
5  0  5
6  0  3
7  0  8

df['a']=df['a'].replace(0,df['a'].mean())

df
   a  b
0  1  2
1  2  3
2  3  4
3  4  6
4  1  0
5  1  5
6  1  3
7  1  8

【讨论】：

【解决方案2】：

我认为您可以使用mask 并将参数skipna=True 添加到mean 而不是dropna。如果需要替换 0 值或 data.artist_hotness.isnull() 如果需要替换 NaN 值，还需要将条件更改为 data.artist_hotness == 0：

import pandas as pd
import numpy as np

data = pd.DataFrame({'artist_hotness': [0,1,5,np.nan]})
print (data)
   artist_hotness
0             0.0
1             1.0
2             5.0
3             NaN

mean_artist_hotness = data['artist_hotness'].mean(skipna=True)
print (mean_artist_hotness)
2.0

data['artist_hotness']=data.artist_hotness.mask(data.artist_hotness == 0,mean_artist_hotness)
print (data)
   artist_hotness
0             2.0
1             1.0
2             5.0
3             NaN

也可以使用loc，但省略列名：

data.loc[data.artist_hotness == 0, 'artist_hotness'] = mean_artist_hotness
print (data)
   artist_hotness
0             2.0
1             1.0
2             5.0
3             NaN

data.artist_hotness.loc[data.artist_hotness == 0, 'artist_hotness'] = mean_artist_hotness
print (data)

IndexingError: (0 True 1 错误 2 错误 3 错误名称：artist_hotness，dtype：bool，'artist_hotness'）

另一种解决方案是 DataFrame.replace 指定列：

data=data.replace({'artist_hotness': {0: mean_artist_hotness}}) 
print (data)
    aa  artist_hotness
0  0.0             2.0
1  1.0             1.0
2  5.0             5.0
3  NaN             NaN

或者如果需要替换所有列中的所有 0 值：

import pandas as pd
import numpy as np

data = pd.DataFrame({'artist_hotness': [0,1,5,np.nan], 'aa': [0,1,5,np.nan]})
print (data)
    aa  artist_hotness
0  0.0             0.0
1  1.0             1.0
2  5.0             5.0
3  NaN             NaN

mean_artist_hotness = data['artist_hotness'].mean(skipna=True)
print (mean_artist_hotness)
2.0

data=data.replace(0,mean_artist_hotness) 
print (data)
    aa  artist_hotness
0  2.0             2.0
1  1.0             1.0
2  5.0             5.0
3  NaN             NaN

如果需要替换所有列中的NaN，请使用DataFrame.fillna：

data=data.fillna(mean_artist_hotness) 
print (data)
    aa  artist_hotness
0  0.0             0.0
1  1.0             1.0
2  5.0             5.0
3  2.0             2.0

但如果只在某些列中使用Series.fillna：

data['artist_hotness'] = data.artist_hotness.fillna(mean_artist_hotness) 
print (data)
    aa  artist_hotness
0  0.0             0.0
1  1.0             1.0
2  5.0             5.0
3  NaN             2.0

【讨论】：

【解决方案3】：

data['artist_hotness'] = data['artist_hotness'].map( lambda x : data.artist_hotness.mean() if x == 0 else x)

【讨论】：

【解决方案4】：

发现这些非常有用，虽然 mask 真的很慢（不知道为什么）。

我这样做了：

df.loc[ df['artist_hotness'] == 0 | np.isnan(df['artist_hotness']), 'artist_hotness' ] = df['artist_hotness'].median()

【讨论】：

【解决方案5】：

我认为下面的代码将在一行中解决您的问题。

    data['artist_hotness'] = data['artist_hotness'].replace(0, 
    data['artist_hotness'].mean())

【讨论】：