Pandas 如何通过循环填充DataFrame中相邻列的平均值来填充NaN值

我有一个大的数据集，我有一些缺少的值，我想用前后列的平均值填充NAN值，在某些情况下，我有连续的NAN值。在这些情况下，我想用非NAN的第一个值替换所有的NAN值。例如：我应该使用循环

   0   1     2   3     4     5   6   7  8  9  10  11    12    13  14    15    16
19.0  NaN  NaN NaN  29.0  30.0 NaN 16.0  15.0 16.0  17.0 NaN  28.0  30.0 NaN  28.0  18.0

目标是使数据看起来像这样：

 0   1     2   3     4     5   6   7  8  9  10  11    12    13  14    15    16
19.0  29.0  29.0 29.0  29.0  30.0 23.0 16.0  15.0 16.0  17.0 22.5 28.0  30.0 29  28.0  18.0

让

那么你要找的东西可以用

subset_ranges = [0, 3]
replacements = {}

for i in range(len(l)-1):
    subset = l[subset_ranges[0]: subset_ranges[1]]
    if pd.isnull(subset[1]) and not pd.isnull(subset[0]) and not pd.isnull(subset[2]):
        replacements[subset_ranges[0]+1] = np.nanmean(subset)
    subset_ranges[0] += 1
    subset_ranges[1] += 1
l = np.array([e if i not in replacements.keys() else replacements[i] for i, e in enumerate(l)])

df = pd.DataFrame(l.reshape(-1, 1))
df.fillna(method='bfill', inplace=True)

让我们试试：

# where df is not null
s = df.notna()

# check for `NaN` with valid left and right:    
mask = s.shift(1, axis=1) & s.shift(-1, axis=1)

# fill as required
df[:] = np.where(mask, df.interpolate(axis=1), df.bfill(axis=1).ffill(axis=1))

输出：

      0     1     2     3     4     5     6     7     8     9    10    11  \
0  19.0  29.0  29.0  29.0  29.0  30.0  23.0  16.0  15.0  16.0  17.0  22.5   

     12    13    14    15    16  
0  28.0  30.0  29.0  28.0  18.0  

---

你有什么理由要输入平均值吗？如果在19到29岁之间有：21.5、24和26.5。你会接受吗？我有一个数据框（2592行×18列）不是一个系列我怎么能做到这些？

      0     1     2     3     4     5     6     7     8     9    10    11  \
0  19.0  29.0  29.0  29.0  29.0  30.0  23.0  16.0  15.0  16.0  17.0  22.5   

     12    13    14    15    16  
0  28.0  30.0  29.0  28.0  18.0