我有一个包含一些缺失值的 Pandas 数据框。我想用不影响我将对数据进行的统计的东西来填充缺失的值。
例如，如果在 Excel 中尝试对包含 5 的单元格和一个空单元格进行平均，则平均值将为 5。我希望在 Python 中也有同样的结果。
我尝试用NaN 填充，但是如果我对某个列求和，例如，结果是NaN。
我也尝试用 None 填充，但我得到一个错误，因为我正在对不同的数据类型求和。
有人可以帮忙吗？先感谢您。
【问题讨论】：
dropna()会更好
标签： python python-3.x pandas dataframe missing-data
您的两个问题有很多答案。
这是您的第一个解决方案：
如果您希望在 Dataframe 中的 NaN 条目中插入一个不会改变统计信息的特定值，那么我建议您使用该数据的平均值。
例子：
df # your dataframe with NaN values
df.fillna(df.mean(), inplace=True)
第二个问题：
如果您需要检查数据框中的描述性统计信息，并且描述性统计信息不应受到 NaN 值的影响，这里有两种解决方案： 1)
df # your dataframe with NaN values
df.fillna(df.mean(), inplace=True)
df.mean()
df.std()
# or even:
df.describe()
2) 选项 2：
我建议你使用 numpy nan 函数，例如 (numpy.nansum, numpy.nanmean, numpy.nanstd)...
df.apply(numpy.nansum)
df.apply(numpy.nanstd) #...
【讨论】：
您的问题的答案是缺失值在 Pandas 中的工作方式与在 Excel 中的工作方式不同。您可以阅读here 的技术原因。基本上，没有什么神奇的数字可以用来填充 df，这会导致 Pandas 忽略它。根据我们的需要，我们有时会选择填充缺失的值，有时会删除它们（永久或在计算期间），或者有时使用可以处理它们的方法（例如numpy.nansum，如 Philipe Riskalla Leal 提到）。
【讨论】：
您可以使用 df.fillna()。下面是一个示例，说明您可以如何做到这一点。
import pandas as pd
import numpy as np
df = pd.DataFrame([[np.nan,2,1,np.nan],
[2,np.nan,3,4],
[4,np.nan,np.nan,3],
[np.nan,2,1,np.nan]],columns=list('ABCD'))
df.fillna(0.0)
通常用 0 之类的值填充值会影响您对数据进行的统计。 因此，请获取数据的平均值，以确保它不会影响您的统计数据。 因此，请改用 df.fillna(df.mean())
【讨论】：
如果您想为任何统计操作更改缺失值填充为“nan”的任何特定列的数据类型，您可以简单地使用下面的代码行，它将该列的所有值转换为数字类型，并且所有缺失值自动替换为“nan”，不会影响您的统计操作。
df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce')
如果您想对数据框中的所有列执行相同操作，可以使用：
for i in df.columns:
df[i] = pd.to_numeric(df[i], errors='coerce')
【讨论】：