मुझे एक पांडा मिला है DataFrame ज्यादातर वास्तविक संख्याओं से भरा है, लेकिन इसमें कुछ nanमूल्य भी हैं।
मैं उन nanस्तंभों के औसत के साथ एस को कैसे बदल सकता हूं जहां वे हैं?
यह प्रश्न इस तरह से बहुत समान है: संख्यात्मक सरणी: स्तंभों के औसत के साथ नैन मूल्यों को बदलें लेकिन, दुर्भाग्य से, वहां दिए गए समाधान एक पांडा डेटाफ़्रेम के लिए काम नहीं करते हैं।
जवाबों:
आप बस सीधे DataFrame.fillnaभरने के लिए उपयोग कर सकते nanहैं:
In [27]: df
Out[27]:
A B C
0 -0.166919 0.979728 -0.632955
1 -0.297953 -0.912674 -1.365463
2 -0.120211 -0.540679 -0.680481
3 NaN -2.027325 1.533582
4 NaN NaN 0.461821
5 -0.788073 NaN NaN
6 -0.916080 -0.612343 NaN
7 -0.887858 1.033826 NaN
8 1.948430 1.025011 -2.982224
9 0.019698 -0.795876 -0.046431
In [28]: df.mean()
Out[28]:
A -0.151121
B -0.231291
C -0.530307
dtype: float64
In [29]: df.fillna(df.mean())
Out[29]:
A B C
0 -0.166919 0.979728 -0.632955
1 -0.297953 -0.912674 -1.365463
2 -0.120211 -0.540679 -0.680481
3 -0.151121 -2.027325 1.533582
4 -0.151121 -0.231291 0.461821
5 -0.788073 -0.231291 -0.530307
6 -0.916080 -0.612343 -0.530307
7 -0.887858 1.033826 -0.530307
8 1.948430 1.025011 -2.982224
9 0.019698 -0.795876 -0.046431
डॉक्सस्ट्रिंग का fillnaकहना है कि valueएक स्केलर या एक तानाशाह होना चाहिए, हालांकि, यह एक Seriesअच्छी तरह से काम करता है। यदि आप एक तानाशाही पारित करना चाहते हैं, तो आप उपयोग कर सकते हैं df.mean().to_dict()।
df=df.fillna(df.mean())आप भी इस्तेमाल कर सकते हैंdf.fillna(df.mean(), inplace=True)
प्रयत्न:
sub2['income'].fillna((sub2['income'].mean()), inplace=True)In [16]: df = DataFrame(np.random.randn(10,3))
In [17]: df.iloc[3:5,0] = np.nan
In [18]: df.iloc[4:6,1] = np.nan
In [19]: df.iloc[5:8,2] = np.nan
In [20]: df
Out[20]:
0 1 2
0 1.148272 0.227366 -2.368136
1 -0.820823 1.071471 -0.784713
2 0.157913 0.602857 0.665034
3 NaN -0.985188 -0.324136
4 NaN NaN 0.238512
5 0.769657 NaN NaN
6 0.141951 0.326064 NaN
7 -1.694475 -0.523440 NaN
8 0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794
In [22]: df.mean()
Out[22]:
0 -0.251534
1 -0.040622
2 -0.841219
dtype: float64उस कॉलम का माध्य प्रति-कॉलम लागू करें और भरें
In [23]: df.apply(lambda x: x.fillna(x.mean()),axis=0)
Out[23]:
0 1 2
0 1.148272 0.227366 -2.368136
1 -0.820823 1.071471 -0.784713
2 0.157913 0.602857 0.665034
3 -0.251534 -0.985188 -0.324136
4 -0.251534 -0.040622 0.238512
5 0.769657 -0.040622 -0.841219
6 0.141951 0.326064 -0.841219
7 -1.694475 -0.523440 -0.841219
8 0.352556 -0.551487 -1.639298
9 -2.067324 -0.492617 -1.675794# To read data from csv file
Dataset = pd.read_csv('Data.csv')
X = Dataset.iloc[:, :-1].values
# To calculate mean use imputer class
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])यदि आप माध्य के साथ लापता मानों को लागू करना चाहते हैं और आप स्तंभ द्वारा स्तंभ पर जाना चाहते हैं, तो यह केवल उस स्तंभ के माध्य के साथ लागू होगा। यह थोड़ा अधिक पठनीय हो सकता है।
sub2['income'] = sub2['income'].fillna((sub2['income'].mean()))df.fillna(df.mean())माध्य के साथ सभी शून्य मान को भरने के लिए सीधे उपयोग करें
यदि आप उस कॉलम के माध्य से शून्य मान भरना चाहते हैं तो आप इसका उपयोग कर सकते हैं
लगता है x=df['Item_Weight']यहाँ Item_Weightस्तंभ नाम है
यहाँ हम असाइन कर रहे हैं (x के x के साथ x के मान को शून्य मान भरें)
df['Item_Weight'] = df['Item_Weight'].fillna((df['Item_Weight'].mean()))यदि आप कुछ स्ट्रिंग के साथ शून्य मान भरना चाहते हैं तो उपयोग करें
यहां Outlet_sizeकॉलम नाम है
df.Outlet_Size = df.Outlet_Size.fillna('Missing')पंडों: NaN ( nan) मानों को औसत (माध्य), माध्यिका या एक कॉलम के अन्य आंकड़ों के साथ कैसे बदलें
मान लें कि आपका डेटाफ़्रेम है dfऔर आपके पास एक कॉलम है nr_items। ये है: df['nr_items']
आप चाहते हैं की जगहNaN अपने कॉलम के मूल्यों df['nr_items']के साथ स्तंभ के मतलब :
उपयोग विधि .fillna():
mean_value=df['nr_items'].mean()
df['nr_item_ave']=df['nr_items'].fillna(mean_value)
मैंने स्तंभ के मान द्वारा प्रतिस्थापित मूल्यों के साथ नए कॉलम को संग्रहीत करने के लिए एक नया dfकॉलम बनाया है ।nr_item_aveNaNmean
का उपयोग करते समय आपको सावधान रहना चाहिए mean। यदि आपके पास आउटलेयर है, तो इसका उपयोग करने के लिए अधिक अनुशंसा योग्य हैmedian
स्केलेर लाइब्रेरी प्रीप्रोसेसिंग क्लास का उपयोग करना
from sklearn.impute import SimpleImputer
missingvalues = SimpleImputer(missing_values = np.nan, strategy = 'mean', axis = 0)
missingvalues = missingvalues.fit(x[:,1:3])
x[:,1:3] = missingvalues.transform(x[:,1:3])ध्यान दें: हाल के संस्करण पैरामीटर में missing_valuesकरने के लिए मूल्य परिवर्तन np.nanसेNaN
df.fillna(df.mean())नया डेटाफ़्रेम वापस करेगा, इसलिए आपकोdf=df.fillna(df.mean())इसे रखने के लिए लिखना होगा।