把DataFrame中'Min.Price', 'Max.Price'缺失的值用该列的均值填充
现有数据如下：
df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv')
数据如下：
部分显示
把'Min.Price', 'Max.Price'缺失的值用该列的均值填充
解决方法如下：
df_out = df[['Min.Price', 'Max.Price']] = df[['Min.Price', 'Max.Price']].apply(lambda x: x.fillna(x.mean()))
df_out
部分显示
把DataFrame中'Min.Price', 'Max.Price'缺失的值用该列的均值， 中位数填充
现有数据如下：
df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv')
数据如下：
部分显示
把'Min.Price', 'Max.Price'缺失的值用该列的均值，中位数填充
解决方法如下：
d = {'Min.Price': np.nanmean, 'Max.Price': np.nanmedian}
df[['Min.Price', 'Max.Price']] = df[['Min.Price', 'Max.Price']].apply(lambda x, d : x.fillna(d[x.name](x)), args=(d, ))
df
image.png
重点解读:
df[['Min.Price', 'Max.Price']].apply(lambda x, d : x.fillna(dx.name), args=(d, ))appley中，可以通过args参数传递全局变量，本例中传递的是d，注意传递是元组，所以别忘了后面的“,”。
