以'fillna with mean pandas - Python '作主题

填充缺失数据是数据处理的重要环节，计算数据均值并填充缺失值是一种简单有效的方法。本文将介绍如何使用pandas在Python中进行均值填充。

准备工作

首先，需要在Python中安装pandas库。可以使用以下命令进行安装：

pip install pandas

然后，我们需要读取包含缺失数据的数据集。这里使用一个简单的数据集‘data.csv’来进行示例。

import pandas as pd

# 读取csv文件
data = pd.read_csv('data.csv')

# 打印前5行
print(data.head())

在读取数据集之后，我们可以使用isna()和sum()函数来检查缺失数据情况：

# 检查缺失数据情况
print(data.isna().sum())

均值填充

使用数据均值填充缺失值，下面的代码演示了如何使用均值填充data数据集中的缺失值：

# 计算均值并填充缺失值
mean_value = data['age'].mean()
data['age'].fillna(mean_value, inplace=True)

# 打印前5行
print(data.head())

上述代码中使用了fillna()函数将age列的缺失值使用均值进行填充。注意，使用inplace=True参数可以使修改直接作用于源数据集。

结论

使用pandas库，均值填充缺失数据是一种简单有效的处理方法。以上示例只是均值填充的一种案例，当然还有其他的填充方法可以根据业务需求进行选择。