具有列中位数的 pandas fillna - Python

在处理数据时，经常会遇到缺失值的情况。fillna() 是 pandas 提供的一个方法，可以用于对缺失值进行填充。在本文中，我们将讨论如何使用 fillna() 方法填充缺失值，并结合列的中位数进行处理。

填充缺失值

fillna() 方法可以接收多种参数，用于对缺失值进行填充。其中，最常用的是用一个固定值填充缺失值：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

df.fillna(0, inplace=True)

print(df)

上述代码中，我们创建了一个包含缺失值的 DataFrame，并使用 fillna() 方法将缺失值填充为 0。填充后的结果如下所示：

     A    B
0  1.0  5.0
1  2.0  0.0
2  0.0  7.0
3  4.0  8.0

使用列的中位数填充缺失值

除了使用固定值填充缺失值外，我们还可以使用列的中位数进行填充。下面是示例代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

medians = df.median()

df.fillna(medians, inplace=True)

print(df)

上述代码中，我们首先计算了每一列的中位数，并将中位数存储在一个 pandas Series 对象 medians 中。然后，我们将 medians 作为参数传递给 fillna() 方法，这样就可以使用列的中位数来填充缺失值了。填充后的结果如下所示：

     A    B
0  1.0  5.0
1  2.0  6.0
2  2.0  7.0
3  4.0  8.0

总结

在数据处理中，缺失值是一个常见的问题。fillna() 是 pandas 提供的一种方法，可以用于填充缺失值。我们可以使用一个固定值来填充缺失值，也可以使用列的中位数来进行填充。对于后者，我们需要首先计算每一列的中位数，并将中位数作为参数传递给 fillna() 方法。