不要在csv文件中丢失值，而是在该列中写入值的平均值（用python）

我想问的是，我有一个csv文件，它由分类值和数字值组成。此csv文件中缺少一些值。我想计算此文件中每列的平均值，并写入我计算的平均值，而不是列中缺少的值。我还用pd.read_csv加载了必要的库和文件。即,

A、B、C、D

 1,2,1,  

  ,1,,  

 2,1,1,2  

我想将cloumn A第2行中的1写入如上所述的csv文件中。我将以相同的方式将其应用于其他列，因此我想得到的csv表如下所示：

    A B C D  

    1,2,1,0.66  

    1,1,0.66,0.66  

    2,1,1,2  

例如，A列中缺少一个值。我想将为A列计算的平均值写入A列，而不是A列中缺少的值。（因此，由于（2+1）/3=1），我想将1写入A列的第二行）。我想在其他列中也应用这些操作。我想以同样的方式将这些操作应用到其他列。我尝试在上面的代码中编写代码来实现这一点。所以我试着写这段代码：

    rows=list()
    column=list(myfile.columns.values)
    average = 0
    Sum = 0
    row_count = 1
    for row in myfile:
       for row in column:
           n = column
           Sum += n
           row_count += 1
    average = Sum / len(column)
    print('The average is:', average)  

---

代码工作不正常。如何实现此代码，或者代码完全错误？

由于格式错误，您的示例不清楚。不用担心，我在格式方面也有问题。你确定你在用熊猫吗

虚拟数据帧

df = pd.DataFrame(np.random.randn(50,4), columns=['A', 'B', 'C', 'D'])
df.iloc[2:4,0] = np.nan
df.iloc[3:5,1] = np.nan
df.iloc[4:6,2] = np.nan
df.iloc[5:7,3] = np.nan
df.head(10).round(2)

结果与

    A   B   C   D
0   -0.09   1.77    1.14    1.00
1   -1.24   -2.21   -0.21   -0.36
2   NaN -0.59   -0.77   -0.74
3   NaN NaN 0.37    -1.07
4   -0.19   NaN NaN 1.39
5   0.20    1.08    NaN NaN
6   -0.15   0.64    0.04    NaN
7   0.92    -1.01   1.81    -0.83
8   -0.79   0.13    -0.24   1.96
9   0.11    0.97    -0.97   -1.32

您可以使用

df = pd.read_csv('path/to/your/file.csv')

此外，df中没有

NaN

，因此您可能希望用

NaN

替换空单元格

from numpy import nan
df.replace('', nan)

或替换这些列中的任何字符串

df.loc[:,'A':'D'].replace(r'\s+', nan, regex=True)

用列式平均值填充NAN：

df = df.apply(lambda x: x.fillna(x.mean()), axis=0)

df = df.apply(lambda x: x.fillna(x.mean()), axis=1)

用行平均值填充NAN：

df = df.apply(lambda x: x.fillna(x.mean()), axis=0)

df = df.apply(lambda x: x.fillna(x.mean()), axis=1)

这就是你要找的吗

OP编辑后编辑：

import pandas as pd
df = pd.DataFrame({
    'A': [1, '', 2],
    'B': [2, 1, 1],
    'C': [1, '', 1],
    'D': ['', '', 2]
})

def isnumber(x):
    try:
        float(x)
        return True
    except:
        return False

df = df[df.applymap(isnumber)]
df = df.apply(lambda x: x.fillna(x.mean()), axis=0)
df

这就是你所需要的

输出

    A   B   C   D
0   1.0 2   1.0 2.0
1   1.5 1   1.0 2.0
2   2.0 1   1.0 2.0

---

我认为这是正确的答案。带有

NaN

s的A列的平均值是

（2+1）/2=1.5

，因为您还没有第三个值，所以无法将其计算在内。

您甚至不需要熊猫来完成如此简单的任务，内置的

csv

模块就足够了：

import csv

# on Python 3.x use: open("input.csv", "r")  
with open("input.csv", "rb") as f_in:  # open input.csv for reading
    r = csv.reader(f_in)  # create a CSV reader
    header = next(r)  # store the header to recreate in the output
    columns_num = len(header)  # max number of columns
    # read in rows and fill potentially missing elements with 0 to ensure a perfect 2D list
    rows = []  # a storage for our rows
    for row in r:  # go through each CSV row
        columns = []  # a storage for our columns
        for index in range(columns_num):  # loop through each column index
            try:
                columns.append(int(row[index]))  # convert to integer and store in `columns`
            except (IndexError, ValueError, TypeError):  # invalid column value
                columns.append(0)  # store 0 to `columns` as an 'empty' value
        rows.append(columns)  # store the processed columns to the `rows`  storage

total_rows = float(len(rows))  # a number to take into the account for average
rows = zip(*rows)  # flip the CSV columns and rows, on Python 3.x use: list(zip(*rows))
for i, row in enumerate(rows):
    average_real = sum(row) / total_rows  # calculate the real average
    average = int(average_real)  # integer average, use as an average for non-floats
    if average_real - average != 0:  # the average is not an integer
        average = int(average_real * 100) / 100.0  # shorten the float to 2 decimals
    rows[i] = [column or average for column in row]  # apply to empty fields and update

# on Python 3.x use: with open("output.csv", "w", newline='')
with open("output.csv", "wb") as f_out:  # open output.csv for writing
    writer = csv.writer(f_out)
    writer.writerow(header)  # write the header to output CSV
    writer.writerows(zip(*rows))  # flip back rows and colums and write them to output CSV

对于内容如下的

input.csv

文件：

A,B,C,D 1,2,1, ,1,, 2,1,1,2

---

（注意：我已经修复了CSV标题，使其成为有效的CSV，但即使没有提供完美的2D列表，也能正常工作，即每行的列数相同）

您在这里使用熊猫吗？

myfile.columns.values

看起来有点可疑……感谢您的关注。但是我没有准确地表达我自己，所以我编辑了我的问题。提前感谢您的帮助@TomWojcikHey，我对之前的回答做了修改。看看这是否是你想要的。谢谢你的帮助。你说得对。我不应该在平均值中添加缺失的值。谢谢您的回复。我只是想问这个。但是，当我将您提供的代码应用于文件时，我会遇到如下错误：回溯（最近一次调用last）：文件“C:/Users/Pc/Desktop/Study/proje.py”，第125行，在header=next（r）#将要重新创建的头存储在输出中_csv。错误：迭代器应该返回字符串，而不是字节（您是在文本模式下打开文件的吗？）解决这个问题的方法是什么？@seyazc-您很可能在Python 3.x解释器上运行它。请看一下代码中的注释，这些注释指示您如何更改以使其与Python 3.x兼容。很抱歉占用您的时间。我纠正了你说的，问题就解决了。但是在代码中我得到了这样一个错误：文件“C:/Users/Pc/Desktop/Study/proje.py”，第130行，对于第+0行中的列=[[int（column或0）]*（columns-len（row）），对于r]文件“C:/Users/Pc/Desktop/Study/proje.py”，第130行，对于第+0行中的列=[[int（column或0）]（columns-len（row））]对于r中的行]ValueError:int（）的文本无效，基数为10:'：'@seyazc-这是因为CSV中的某些字段具有无效值（

：

，在本例中），无法转换为整数。我已更新了代码以处理此类问题（它将把任何非整数视为空值）.谢谢你的帮助。