Pandas: วิธีเติมค่า nan ด้วยค่าเฉลี่ย (3 ตัวอย่าง)

คุณสามารถใช้ฟังก์ชัน fillna() เพื่อแทนที่ค่า NaN ใน Pandas DataFrame

ต่อไปนี้เป็นสามวิธีทั่วไปในการใช้คุณลักษณะนี้:

วิธีที่ 1: กรอกค่า NaN ในคอลัมน์ที่มีค่าเฉลี่ย

 df[' col1 '] = df[' col1 ']. fillna (df[' col1 ']. mean ())

วิธีที่ 2: กรอกค่า NaN ในหลายคอลัมน์ด้วยค่าเฉลี่ย

 df[[' col1 ', ' col2 ']] = df[[' col1 ', ' col2 ']]. fillna (df[[' col1 ',' col2 ']]. mean ())

วิธีที่ 3: กรอกค่า NaN ในทุกคอลัมน์ด้วยค่าเฉลี่ย

 df = df. fillna ( df.mean ())

ตัวอย่างต่อไปนี้แสดงวิธีการใช้แต่ละวิธีในทางปฏิบัติกับ Pandas DataFrame ต่อไปนี้:

 import numpy as np
import pandas as pd

#create DataFrame with some NaN values
df = pd. DataFrame ({' rating ': [np.nan, 85, np.nan, 88, 94, 90, 76, 75, 87, 86],
                   ' points ': [25, np.nan, 14, 16, 27, 20, 12, 15, 14, 19],
                   ' assists ': [5, 7, 7, np.nan, 5, 7, 6, 9, 9, 5],
                   ' rebounds ': [11, 8, 10, 6, 6, 9, 6, 10, 10, 7]})

#view DataFrame
df

        rating points assists rebounds
0 NaN 25.0 5.0 11
1 85.0 NaN 7.0 8
2 NaN 14.0 7.0 10
3 88.0 16.0 NaN 6
4 94.0 27.0 5.0 6
5 90.0 20.0 7.0 9
6 76.0 12.0 6.0 6
7 75.0 15.0 9.0 10
8 87.0 14.0 9.0 10
9 86.0 19.0 5.0 7

ตัวอย่างที่ 1: กรอกค่า NaN ในคอลัมน์ที่มีค่าเฉลี่ย

รหัสต่อไปนี้แสดงวิธีเติมค่า NaN ในคอลัมน์ การให้คะแนน ด้วยค่าเฉลี่ยของคอลัมน์ การให้คะแนน :

 #fill NaNs with column mean in 'rating' column
df[' rating '] = df[' rating ']. fillna (df[' rating ']. mean ())

#view updated DataFrame
df

	rating points assists rebounds
0 85.125 25.0 5.0 11
1 85,000 NaN 7.0 8
2 85.125 14.0 7.0 10
3 88,000 16.0 NaN 6
4 94,000 27.0 5.0 6
5 90,000 20.0 7.0 9
6 76,000 12.0 6.0 6
7 75,000 15.0 9.0 10
8 87,000 14.0 9.0 10
9 86,000 19.0 5.0 7

ค่าเฉลี่ยในคอลัมน์ การให้คะแนน คือ 85.125 ดังนั้นค่า NaN แต่ละค่าในคอลัมน์ การให้คะแนน จึงถูกเติมด้วยค่านั้น

ตัวอย่างที่ 2: กรอกค่า NaN ในหลายคอลัมน์ด้วยค่าเฉลี่ย

รหัสต่อไปนี้แสดงวิธีเติมค่า NaN ในคอลัมน์ การให้คะแนน และ คะแนน ด้วยค่าเฉลี่ยของคอลัมน์ที่เกี่ยวข้อง:

 #fill NaNs with column means in 'rating' and 'points' columns
df[[' rating ', ' points ']] = df[[' rating ', ' points ']]. fillna (df[[' rating ',' points ']]. mean ())

#view updated DataFrame
df

	rating points assists rebounds
0 85.125 25.0 5.0 11
1 85,000 18.0 7.0 8
2 85.125 14.0 7.0 10
3 88,000 16.0 NaN 6
4 94,000 27.0 5.0 6
5 90,000 20.0 7.0 9
6 76,000 12.0 6.0 6
7 75,000 15.0 9.0 10
8 87,000 14.0 9.0 10
9 86,000 19.0 5.0 7

ค่า NaN ในคอลัมน์ เกรด และ จุด ได้รับการเติมด้วยค่าเฉลี่ยคอลัมน์ตามลำดับ

ตัวอย่างที่ 3: กรอกค่า NaN ในทุกคอลัมน์ด้วยค่าเฉลี่ย

รหัสต่อไปนี้แสดงวิธีกรอกค่า NaN ในแต่ละคอลัมน์ด้วยค่าเฉลี่ยของคอลัมน์:

 #fill NaNs with column means in each column 
df = df. fillna ( df.mean ())

#view updated DataFrame
df

        rating points assists rebounds
0 85.125 25.0 5.000000 11
1 85,000 18.0 7,000000 8
2 85.125 14.0 7.000000 10
3 88,000 16.0 6.666667 6
4 94,000 27.0 5,000000 6
5 90,000 20.0 7,000000 9
6 76,000 12.0 6,000000 6
7 75,000 15.0 9,000000 10
8 87,000 14.0 9,000000 10
9 86,000 19.0 5,000000 7

โปรดทราบว่าค่า NaN ในแต่ละคอลัมน์เต็มไปด้วยค่าเฉลี่ยของคอลัมน์แล้ว

คุณสามารถดูเอกสารออนไลน์ฉบับเต็มสำหรับฟังก์ชัน fillna() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีนับค่าที่หายไปในแพนด้า
วิธีลบแถวที่มีค่า NaN ใน Pandas
วิธีลบแถวที่มีค่าเฉพาะใน Pandas