Python 使用列平均值替换 NaN 值

---

在本文中，我们将了解如何用列的平均值替换 NaN（非数字）值。在数据分析中，处理 NaN 值是一个非常关键的步骤。因此，在这里您将学习各种方法，使用这些方法可以将 NaN（非数字）值替换为列的平均值。

方法 1：使用 Numpy.nanmean()。

示例

import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

col_means = np.nanmean(arr, axis=0)
arr_filled = np.where(np.isnan(arr), col_means, arr)
print("Column mean: ",col_means)
print("Final array: \n", arr_filled)

输出

Column mean: 
[2.5 5. 7.5] 

Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用 **numpy.nanmean()** 函数计算 NumPy 数组沿特定轴（此处 axis=0 表示列）的列平均值。为了识别数组中的 NaN 值，我们使用了 **numpy.isnan()** 函数，并使用 **numpy.where()** 将 NaN 值替换为列平均值。arr_filled 是替换 NaN 值为列平均值后的结果值。

方法 2：使用遍历和列平均值。

示例

import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

for i in range(arr.shape[1]):
   column = arr[:, i]
   column_mean = np.nanmean(column)
   column[np.isnan(column)] = column_mean
   print("Column mean: ",column_mean)
print("Final array: \n", arr)

输出

Column mean: 2.5 
Column mean: 5.0 
Column mean: 7.5

Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用循环遍历了 NumPy 数组中的每一列。对于每一列，我们使用该列计算列平均值。我们将 column_mean 的值分配给 column[np.isnan(column)]。

方法 3：使用 Numpy.nan_to_num() 和 Numpy.mean()。

示例

import pandas as pd
import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

col_means = np.nanmean(arr, axis=0)
arr_filled = np.nan_to_num(arr, nan=col_means)
print("Column mean: ",col_means)
print("Final array: \n", arr_filled)

输出

Column mean: [2.5 5. 7.5] 
Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用了 **numpy.nan_to_num()** 方法，该方法用于将 NaN 值替换为任何值，方法是将我们想要替换的列平均值作为值传递。在 **arr_filled** 结果中，替换后的列值将位于 NaN 的位置。

方法 4：Numpy.apply_along_axis() 和列平均值。

示例

import pandas as pd
import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

col_means = np.nanmean(arr, axis=0)

def replace_nan(column):
   column[np.isnan(column)] = np.nanmean(column)
   return column

arr_filled = np.apply_along_axis(replace_nan, axis=0, arr=arr)
print("Column mean: ",col_means)
print("Final array: \n", arr_filled)

输出

Column mean: [2.5 5. 7.5] 
Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用了 **numpy.apply_along_axis()** 方法将 **replace_nan()** 函数应用于 NumPy 数组的每一列，并指定轴（此处 axis=0 表示列）。此处的 **replace_nan()** 函数将每一列中的 NaN 值替换为列平均值。

方法 5：Numpy.nanmean() 和花式索引。

示例

import pandas as pd
import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

col_means = np.nanmean(arr, axis=0)
mask = np.isnan(arr)
arr[mask] = col_means[np.newaxis, :].repeat(arr.shape[0], axis=0)[mask]

print("Column mean: ",col_means)
print("Final array: \n", arr)

输出

Column mean: [2.5 5. 7.5] 
Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用了 numpy.repeat() 函数重复列平均值与 NumPy 行数组，以匹配原始数组的形状。然后，我们使用花式索引将数组中的 NaN 值替换为列平均值。此过程不需要额外的空间，因为它在原地执行修改。

方法 6：Numpy.nanmean() 和广播。

示例

import pandas as pd
import numpy as np

arr = np.array([[1, 2, np.nan],
   [4, np.nan, 6],
   [np.nan, 8, 9]])

col_means = np.nanmean(arr, axis=0)
mask = np.isnan(arr)
arr[mask] = col_means

print("Column mean: ",col_means)
print("Final array: \n", arr)

输出

Column mean: [2.5 5. 7.5] 
Final array: 
[[1. 2. 7.5] 
 [4. 5. 6. ] 
 [2.5 8. 9. ]]

解释

在上面的示例中，我们使用了广播方法将 NumPy 数组中的 NaN 值替换为列平均值。在程序中，创建了 **mask** 变量来识别 NaN 值，并将列平均值分配给数组中的所需位置。

因此，我们了解了不同的方法，可以使用这些方法将 NumPy 数组中 NaN 值替换为列的平均值。每种方法都为我们提供了替换 NaN 值的独特方法。您可以根据您的需求和易用性选择任何方法。