Python 用每个变量的平均值替换缺少的值

我想：用我尝试过的方法替换缺少的值：

num_df.fillna(num_df.mean())

但我仍然缺少价值观

{'id': {0: 0, 1: 1, 2: 2, 3: 3}, 'age': {0: 48.0, 1: 7.0, 2: 62.0, 3: 48.0}, 'bp': {0: 80.0, 1: 50.0, 2: 80.0, 3: 70.0}, 'al': {0: 1.0, 1: 4.0, 2: 2.0, 3: 4.0}, 'su': {0: 0.0, 1: 0.0, 2: 3.0, 3: 0.0}, 'bgr': {0: 121.0, 1: nan, 2: 423.0, 3: 117.0}, 'bu': {0: 36.0, 1: 18.0, 2: 53.0, 3: 56.0}, 'sc': {0: 1.2, 1: 0.8, 2: 1.8, 3: 3.8}, 'sod': {0: nan, 1: nan, 2: nan, 3: 111.0}, 'pot': {0: nan, 1: nan, 2: nan, 3: 2.5}, 'hemo': {0: 15.4, 1: 11.3, 2: 9.6, 3: 11.2}, 'pcv': {0: '44', 1: '38', 2: '31', 3: '32'}, 'wc': {0: '7800', 1: '6000', 2: '7500', 3: '6700'}, 'rc': {0: '5.2', 1: nan, 2: nan, 3: '3.9'}} ```

num_df.fillna（num_df.mean（））

[编辑]

我理解实际问题，fillna（df.mean（））用列的平均值填充nan值。有包含所有nan值的列。因此，在fillna（df.mean（））方法之后得到nan值

我用下面所示的随机示例尝试了您的方法

import numpy as np
import pandas as pd
data = [[np.nan, np.nan, 15, 4], [1,2,3,4], [10,20,np.nan,30]]
df = pd.DataFrame(data)
df = df.fillna(df.mean())

---

它之所以有效，是因为我没有完整的nan列。

最后几列是字符串，而不是浮点数

在取

平均值之前，尝试转换为float：

#确保所有内容都是数字
num_df=num_df.apply（pd.to_numeric，errors='concurve'）
#小气
num_df=num_df.fillna（num_df.mean（））
打印（数字/单位）

请将您的问题作为文本包含在数据框中，以便人们可以将其复制到他们的环境中，并在您的数据框上测试他们的解决方案。你的数据框不能从文本的屏幕截图中重新创建。你对所有NaN的列的平均值有何期望？我想用每列的平均值替换NaN。我的数据框比我制作的屏幕截图大，它不仅有NaN，但是我的技术没有替换我rc列中的NaN。你能
打印吗（头数（4.to dict（））
（尝试填充前）并将问题中的输出粘贴为dataframe builder？不幸的是，此方法无法替换所有缺少的值…某些列保留Nan@kevincaro我理解了这个问题，并更新了我的答案。这不是因为这个，因为我的rc列仍然有这些NanI。我有一条错误消息：
TypeError:float（）参数必须是字符串或数字，而不是此行中的“NAType”
num\u df=num\u df.astype（float）
请立即尝试使用to\u numeric
import numpy as np
import pandas as pd
data = [[np.nan, np.nan, 15, 4], [1,2,3,4], [10,20,np.nan,30]]
df = pd.DataFrame(data)
df = df.fillna(df.mean())

   id    sod  pot  hemo  pcv    wc    rc
0   0  111.0  2.5  15.4   44  7800  5.20
1   1  111.0  2.5  11.3   38  6000  4.55
2   2  111.0  2.5   9.6   31  7500  4.55
3   3  111.0  2.5  11.2   32  6700  3.90