行中缺失数据的方法？

Question

我正在开始编程。我想通过将其替换为其列的平均值而不是其 row-mean-value 来处理丢失的数据。

我正在尝试从 Excel 数据表中 pre-process 一些数据，类似于如下所示的数据（第一列，没有标题的，只是 numbering/index; 不是真正的列):

    A    B    C    D   E  F
0  100  NaN  5.0  1.0  5  a
1  200  5.0  NaN  3.0  3  a
2  300  4.0  NaN  5.0  6  a
3  400  5.0  4.0  7.0  9  b
4  500  5.0  2.0  NaN  2  b
5  600  4.0  3.0  0.0  4  b

关键是我想将 NaN 替换为其列的平均值。我正在使用 pandas 从数据表中提取值。然后我尝试使用 sklearn.impute.SimpleImputer 来处理这些丢失的数据，但它只给出了行的平均值。

dataset = pd.read_excel(io=file_name, sheet_name=sheet)
y = dataset.iloc[:, 0].values
X = dataset.iloc[:, 1:-1].values
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values = np.nan, strategy = 'mean')
imputer = imputer.fit(X[:, :])
X[:, :] = imputer.transform(X[:, :])

有谁知道我怎样才能有效地做到这一点？ class 有什么方法可以处理这种情况吗？（我不介意进入另一个图书馆）。

非常感谢

Answer 1

如果您想用列的平均值填充 NaN 个值，您可以简单地使用：

data = {'A':[100,200,300,400,500,600],'B':[np.nan,5,4,5,5,4],'C':[5,np.nan,np.nan,4,2,3],'D':[1,3,5,7,np.nan,0]}
df = pd.DataFrame(data)
df = df.fillna(df.mean())
print(df)

输出：

     A    B    C    D
0  100  4.6  5.0  1.0
1  200  5.0  3.5  3.0
2  300  4.0  3.5  5.0
3  400  5.0  4.0  7.0
4  500  5.0  2.0  3.2
5  600  4.0  3.0  0.0

行中缺失数据的方法？

Method for missing data in rows?

python

missing-data

pandas

sklearn-pandas

imputation