把DataFrame中'Min.Price', 'Max.Price'缺失的值用該列的均值填充

現有資料如下：

df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv')

資料如下：

把'Min.Price', 'Max.Price'缺失的值用該列的均值填充
解決方法如下：

df_out = df[['Min.Price', 'Max.Price']] = df[['Min.Price', 'Max.Price']].apply(lambda x: x.fillna(x.mean()))
df_out
 

把DataFrame中'Min.Price', 'Max.Price'缺失的值用該列的均值， 中位數填充

現有資料如下：

df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv')

資料如下：

把'Min.Price', 'Max.Price'缺失的值用該列的均值，中位數填充
解決方法如下

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

重點解讀:
df[['Min.Price', 'Max.Price']].apply(lambda x, d : x.fillna(d[x.name]), args=(d, ))appley中，可以通過args引數傳遞全域性變數，本例中傳遞的是d，注意傳遞是元組，所以別忘了後面的“,”。