根据索引填写缺失值

发布于 2025-02-08 02:14:19 字数 592 浏览 3 评论 0原文

我尝试以这样的方式将缺少值估计为缺失值

null = data.isnull().sum()*100/len(data)

，并且这样的

null_column = null[(null>= 10.0) & (null <= 40.0)].index

过滤器输出类型是索引，

我如何使用 fillna

在这样的

null_column = null[(null>= 10.0) & (null <= 40.0)].index
data.fillna(percent_column2.median(), inplace=True)

结果之前，

基于索引我的代码替换每个列中的中位数
索引没有中位数

，但是当我删除 index 时，它起作用了，但是替换的中位数并不是每个列中的中位数。但是，在原始数据框架中不在原始数据框架中的两个百分比缺失值的值中位数。如何根据索引填充NAN值以替换原始数据框架？

原文

i try to percentace missing value like this

null = data.isnull().sum()*100/len(data)

and filter like this

null_column = null[(null>= 10.0) & (null <= 40.0)].index

the output type is index

how can i using fillna to replace median in every column based on index

my code before like this

null_column = null[(null>= 10.0) & (null <= 40.0)].index
data.fillna(percent_column2.median(), inplace=True)

the result always

index doesnt have median

but when i deleted index it works but the median that replaced is not median in every column. But, median that 2 values of percentage missing value not in original dataframe. How can i fill nan value based on index to replace in original data frame?

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

屋檐 2025-02-15 02:14:19

我想这样的事情：

data = pd.DataFrame([[0,1,np.nan],[np.nan,1,np.nan],[1,np.nan,2],[23,12,3],[1,3,1]])
cols = list(null[(null>=10) & (null<=40)].index)
data.iloc[:, cols] = data.iloc[:, cols].fillna(data.iloc[:, cols].median(), inplace=False)

I guess something like this:

data = pd.DataFrame([[0,1,np.nan],[np.nan,1,np.nan],[1,np.nan,2],[23,12,3],[1,3,1]])
cols = list(null[(null>=10) & (null<=40)].index)
data.iloc[:, cols] = data.iloc[:, cols].fillna(data.iloc[:, cols].median(), inplace=False)

回复收藏 0 原文

~没有更多了~