python - Pandas 数据框 : Replacing NaN with row average

Question

我正在尝试学习 Pandas ，但我一直对以下内容感到困惑。我想用行平均值替换 DataFrame 中的 NaN。因此，像 df.fillna(df.mean(axis=1)) 这样的东西应该可以工作，但由于某种原因它对我来说失败了。我错过了什么，我在做什么有问题吗？是因为没有实现吗？见link here

import pandas as pd
import numpy as np
​
pd.__version__
Out[44]:
'0.15.2'

In [45]:
df = pd.DataFrame()
df['c1'] = [1, 2, 3]
df['c2'] = [4, 5, 6]
df['c3'] = [7, np.nan, 9]
df

Out[45]:
    c1  c2  c3
0   1   4   7
1   2   5   NaN
2   3   6   9

In [46]:  
df.fillna(df.mean(axis=1)) 

Out[46]:
    c1  c2  c3
0   1   4   7
1   2   5   NaN
2   3   6   9

但是这样的东西看起来工作正常

df.fillna(df.mean(axis=0)) 

Out[47]:
    c1  c2  c3
0   1   4   7
1   2   5   8
2   3   6   9

Answer 1

正如评论的那样，fillna 的轴参数是 NotImplemented .

df.fillna(df.mean(axis=1), axis=1)

注意:这在这里很重要，因为您不想用第 n 行的平均值填充第 n 列。

现在您需要迭代:

m = df.mean(axis=1)
for i, col in enumerate(df):
    # using i allows for duplicate columns
    # inplace *may* not always work here, so IMO the next line is preferred
    # df.iloc[:, i].fillna(m, inplace=True)
    df.iloc[:, i] = df.iloc[:, i].fillna(m)

print(df)

   c1  c2   c3
0   1   4  7.0
1   2   5  3.5
2   3   6  9.0

另一种方法是填充转置然后转置，这可能更有效......

df.T.fillna(df.mean(axis=1)).T