有没有办法分别用其他值替换 Dataframe 中的特定值？答案

【问题标题】：Is there a way to replace specific values in a Dataframe respectively with others?有没有办法分别用其他值替换 Dataframe 中的特定值？
【发布时间】：2020-10-15 01:14:43
【问题描述】：

我目前正在从事一个机器学习项目，我必须将 -99 值 (nan) 替换为每列的平均值。但是，我无法替换正确的值，只能替换所有列的第一个值。所以，我需要的是每列的平均值而不是该列的 -99。

我首先为每一列生成均值：

mean_miss = []

for i in df_train[vars_ind_numeric]:
    mean_miss = df_train[vars_ind_numeric].mean()

然后通过：

for var in df_train[vars_ind_numeric]:
        df_train[vars_ind_numeric]=df_train[vars_ind_numeric]\
        .replace(nan, mean_miss[var])

关于如何解决这个问题的任何想法？提前致谢

【问题讨论】：

欢迎来到 SO。您能否添加示例输入数据和示例所需的输出数据？请参阅stackoverflow.com/questions/20109391/…。

标签： python pandas dataframe machine-learning nan

【解决方案1】：

如果您正在寻找的是用列均值填充每列中的 NA 值，这里有一个解决方案（用于虚拟数据）：

df = pd.DataFrame({"a": range(10), "b": range(10, 20)})
df.loc[5, "a"] = np.NaN
df.loc[9, "a"] = np.NaN
df.loc[7, "b"] = np.NaN

得到的数据是：

     a     b
0  0.0  10.0
1  1.0  11.0
2  2.0  12.0
3  3.0  13.0
4  4.0  14.0
5  NaN  15.0
6  6.0  16.0
7  7.0   NaN
8  8.0  18.0
9  NaN  19.0

平均值为：

print(df.mean())
a     3.875000
b    14.222222
dtype: float64

现在，进行实际计算：

df.fillna(df.mean())

       a          b
0  0.000  10.000000
1  1.000  11.000000
2  2.000  12.000000
3  3.000  13.000000
4  4.000  14.000000
5  3.875  15.000000
6  6.000  16.000000
7  7.000  14.222222
8  8.000  18.000000
9  3.875  19.000000

【讨论】：

谢谢，但我的 nan 是数字 -99。因此，当出现在列中时，必须用平均值替换。
我已经设法将所有的 -99 和无限数转换为 nan，然后用平均值填充它们。再次感谢
如果这回答了您的问题，您介意为后代接受它吗？（点击答案旁边的复选标记）