如何将 nan 或字符串值更改为其所属列的平均值？

Question

df = pd.read_csv(self.table_name)

for j in df.values:
    for k in j[0:-1]:
        try:
            k = float(k)
        except ValueError:
            df.replace(to_replace=k,value=np.nan,inplace=True)

df.replace(to_replace=np.nan, value=df.mean(), inplace=True)



# df.fillna(df.mean(), inplace=True)
df.to_csv(self.table_name, index=False)
print(df)

如果数据在进入训练时有字符串值，则可能无法进入训练。 为了防止这种情况，我创建了一个 function，它通过一个按钮变为活动状态，但字符串值在第一次运行时被删除，在第二次运行中，我得到了我想要的结果。 我把按钮和它的 function 做了 pyqt5。当用户点击我提到的按钮时，他分别连接到这个 function 和它的功能。 但是我无法解决的问题在哪里，有没有人可以提供帮助？

Answer 1

您可以对所有列使用自定义 function，而无需首先通过DataFrame.iloc选择，并使用to_numeric和errors='coerce'将值转换为数字，因此如果创建了不可解析值的缺失值。 最后在Series.fillna中用mean替换它们：

def f(x):
    s = pd.to_numeric(x, errors='coerce')
    return s.fillna(s.mean())


df.iloc[:, 1:]= df.iloc[:, 1:].apply(f)