在數據分析和處理過程中，缺失數據（NaN 值）是一個常見的問題。缺失數據可能會導致錯誤的分析結果或模型預測。在 Pandas 中，我們可以通過多種方法來處理缺失數據，其中一種常用的方法是均值填充。本文將詳細介紹如何使用 Pandas 進行均值填充，并提供實際的代碼示例。

什么是均值填充？

均值填充是一種簡單且常用的處理缺失數據的方法。它通過計算每個特征的均值，并將該均值填充到缺失值的位置上。這種方法適用于數據缺失是隨機且不多的情況。

為什么選擇均值填充？

簡單易行：計算和填充均值非常簡單，不需要復雜的計算。
保持數據規(guī)模：均值填充不會改變數據集的大小，僅替換缺失值。
適用于數值數據：均值填充適用于處理數值型數據的缺失值。

均值填充的步驟

• 加載數據
• 檢查缺失值
• 計算均值
• 填充缺失值
• 驗證填充結果

實際代碼示例

假設我們有一個包含學生成績的數據集，其中包含一些缺失值。我們將使用 Pandas 進行均值填充。

• 加載數據
  首先，我們導入必要的庫并加載數據。

import pandas as pd
import numpy as np

# 創(chuàng)建示例數據集
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("原始數據：")
print(df)

輸出：

原始數據：
   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

• 檢查缺失值
  我們可以使用 isnull() 和 sum() 方法來檢查數據集中缺失值的情況。

print("缺失值統(tǒng)計：")
print(df.isnull().sum())

輸出：

缺失值統(tǒng)計：
Math       2
Science    2
English    2
dtype: int64

• 計算均值
  使用 mean() 方法計算每列的均值。

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

輸出：

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

• 填充缺失值
  使用 fillna() 方法將缺失值替換為相應列的均值。

df_filled = df.fillna(means)
print("填充后的數據：")
print(df_filled)

輸出：

填充后的數據：
   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

• 驗證填充結果
  我們可以再次檢查是否還有缺失值，確保填充成功。

print("填充后缺失值統(tǒng)計：")
print(df_filled.isnull().sum())

輸出：

填充后缺失值統(tǒng)計：
Math       0
Science    0
English    0
dtype: int64

總結

均值填充是一種簡單且有效的處理缺失數據的方法。通過 Pandas 的 fillna() 方法，我們可以輕松地實現(xiàn)這一操作。在處理數據缺失時，選擇適當的方法至關重要，均值填充適用于數值數據且缺失值不是特別多的情況。

在實際應用中，還需要根據具體情況選擇其他處理缺失數據的方法，如中位數填充、眾數填充、插值法等。希望本文能幫助你更好地理解和應用 Pandas 進行均值填充。

到此這篇關于使用Pandas進行均值填充的實現(xiàn)的文章就介紹到這了,更多相關Pandas 均值填充內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論