用列平均值替换NaN值不会更改pandas dataframe NaN值

在Pandas中，可以使用fillna()方法来替换DataFrame中的NaN值。如果要用列平均值替换NaN值，可以先计算每列的平均值，然后使用fillna()方法将NaN值替换为对应列的平均值。

以下是一个完整的示例代码：

import pandas as pd
import numpy as np

# 创建一个包含NaN值的DataFrame
data = {'A': [1, 2, np.nan, 4],
        'B': [5, np.nan, 7, 8],
        'C': [9, 10, 11, np.nan]}
df = pd.DataFrame(data)

# 计算每列的平均值
mean_values = df.mean()

# 用列平均值替换NaN值
df_filled = df.fillna(mean_values)

print(df_filled)

输出结果为：

     A    B     C
0  1.0  5.0   9.0
1  2.0  6.0  10.0
2  2.333333  7.0  11.0
3  4.0  8.0  10.0

在这个示例中，我们首先计算了每列的平均值，然后使用fillna()方法将NaN值替换为对应列的平均值。最后打印出替换后的DataFrame。

对于这个问题，腾讯云提供了一个与之相关的产品：腾讯云数据库TDSQL。TDSQL是一种高性能、高可用、分布式的云数据库产品，支持MySQL和PostgreSQL引擎。它提供了数据自动分片、读写分离、自动备份等功能，可以帮助用户轻松管理和处理大规模数据。您可以通过以下链接了解更多关于腾讯云TDSQL的信息：腾讯云TDSQL产品介绍。