【Python】Pandas 均值填充指南：处理缺失数据的实用技巧

缘分让我们相遇乱世以外
命运却要我们危难中相爱
也许未来遥远在光年之外
我愿守候未知里为你等待
我没想到为了你我能疯狂到
山崩海啸没有你根本不想逃
我的大脑为了你已经疯狂到
脉搏心跳没有你根本不重要
                     🎵 邓紫棋《光年之外》

在数据分析和处理过程中，缺失数据（NaN 值）是一个常见的问题。缺失数据可能会导致错误的分析结果或模型预测。在 Pandas 中，我们可以通过多种方法来处理缺失数据，其中一种常用的方法是均值填充。本文将详细介绍如何使用 Pandas 进行均值填充，并提供实际的代码示例。

什么是均值填充？

均值填充是一种简单且常用的处理缺失数据的方法。它通过计算每个特征的均值，并将该均值填充到缺失值的位置上。这种方法适用于数据缺失是随机且不多的情况。

为什么选择均值填充？

简单易行：计算和填充均值非常简单，不需要复杂的计算。
保持数据规模：均值填充不会改变数据集的大小，仅替换缺失值。
适用于数值数据：均值填充适用于处理数值型数据的缺失值。

均值填充的步骤

实际代码示例

假设我们有一个包含学生成绩的数据集，其中包含一些缺失值。我们将使用 Pandas 进行均值填充。

1. 加载数据
   首先，我们导入必要的库并加载数据。

import pandas as pd
import numpy as np

# 创建示例数据集
data = {
    'Math': [85, 78, np.nan, 90, 95, np.nan, 88],
    'Science': [np.nan, 88, 92, 85, np.nan, 95, 90],
    'English': [78, np.nan, 85, 90, 87, 88, np.nan]
}

df = pd.DataFrame(data)
print("原始数据：")
print(df)

输出：

原始数据：
   Math  Science  English
0  85.0      NaN     78.0
1  78.0     88.0      NaN
2   NaN     92.0     85.0
3  90.0     85.0     90.0
4  95.0      NaN     87.0
5   NaN     95.0     88.0
6  88.0     90.0      NaN

2. 检查缺失值
   我们可以使用 isnull() 和 sum() 方法来检查数据集中缺失值的情况。

print("缺失值统计：")
print(df.isnull().sum())

输出：

缺失值统计：
Math       2
Science    2
English    2
dtype: int64

3. 计算均值
   使用 mean() 方法计算每列的均值。

means = df.mean()
print("每列均值：")
print(means)

输出：

每列均值：
Math       87.2
Science    90.0
English    85.6
dtype: float64

4. 填充缺失值
   使用 fillna() 方法将缺失值替换为相应列的均值。

df_filled = df.fillna(means)
print("填充后的数据：")
print(df_filled)

输出：

填充后的数据：
   Math  Science  English
0  85.0     90.0     78.0
1  78.0     88.0     85.6
2  87.2     92.0     85.0
3  90.0     85.0     90.0
4  95.0     90.0     87.0
5  87.2     95.0     88.0
6  88.0     90.0     85.6

5. 验证填充结果
   我们可以再次检查是否还有缺失值，确保填充成功。

print("填充后缺失值统计：")
print(df_filled.isnull().sum())

输出：

填充后缺失值统计：
Math       0
Science    0
English    0
dtype: int64

总结

均值填充是一种简单且有效的处理缺失数据的方法。通过 Pandas 的 fillna() 方法，我们可以轻松地实现这一操作。在处理数据缺失时，选择适当的方法至关重要，均值填充适用于数值数据且缺失值不是特别多的情况。

在实际应用中，还需要根据具体情况选择其他处理缺失数据的方法，如中位数填充、众数填充、插值法等。希望本文能帮助你更好地理解和应用 Pandas 进行均值填充。

作者：音乐学家方大刚