Pandas DataFrame에서 NaN 값을 열 평균으로 바꾸기

2024-07-27

먼저, 작업에 필요한 pandas 라이브러리를 불러옵니다.

import pandas as pd

데이터 준비

다음은 NaN 값을 포함하는 예시 데이터입니다.

data = {'A': [1, 2, np.nan, 4, 5],
       'B': [3, 4, np.nan, 6, 7],
       'C': [np.nan, 6, 7, 8, 9]}

df = pd.DataFrame(data)
print(df)

     A    B    C
0  1.0  3.0  NaN
1  2.0  4.0  NaN
2  NaN  NaN  7.0
3  4.0  6.0  8.0
4  5.0  7.0  9.0

열 평균 계산

각 열의 평균값을 계산합니다.

mean_values = df.mean()
print(mean_values)

A    3.000000
B    5.000000
C    7.666667
dtype: float64

NaN 값을 열 평균으로 바꾸기

fillna() 함수를 사용하여 NaN 값을 열 평균으로 바꿀 수 있습니다.

df.fillna(mean_values, inplace=True)
print(df)

     A    B    C
0  1.0  3.0  7.666667
1  2.0  4.0  7.666667
2  3.0  5.0  7.666667
3  4.0  6.0  8.000000
4  5.0  7.0  9.000000

설명:

df.mean() : 각 열의 평균값을 계산합니다.
fillna(mean_values, inplace=True) : mean_values 를 사용하여 NaN 값을 채웁니다.
- inplace=True : 변경 내용을 원본 DataFrame에 적용합니다.

추가 정보

특정 열만 평균값으로 채우고 싶은 경우, fillna() 함수에 axis 매개변수를 사용할 수 있습니다. 예를 들어, 'A' 열만 평균값으로 채우려면 다음과 같이 코드를 작성합니다:

df.fillna(mean_values, axis=0, inplace=True)

df.fillna(0, inplace=True)

주의:

mean() 함수는 기본적으로 NaN 값을 포함하여 평균을 계산합니다. 하지만, 원하는 경우 skipna 매개변수를 사용하여 NaN 값을 제외하고 평균을 계산할 수 있습니다.

mean_values = df.mean(skipna=True)

예제 코드

import pandas as pd
import numpy as np

# 데이터 준비
data = {'A': [1, 2, np.nan, 4, 5],
       'B': [3, 4, np.nan, 6, 7],
       'C': [np.nan, 6, 7, 8, 9]}

df = pd.DataFrame(data)
print(df)

# 열 평균 계산
mean_values = df.mean()
print(mean_values)

# NaN 값을 열 평균으로 바꾸기
df.fillna(mean_values, inplace=True)
print(df)

Output:

     A    B    C
0  1.0  3.0  NaN
1  2.0  4.0  NaN
2  NaN  NaN  7.0
3  4.0  6.0  8.0
4  5.0  7.0  9.0

A    3.000000
B    5.000000
C    7.666667
dtype: float64

     A    B    C
0  1.0  3.0  7.666667
1  2.0  4.0  7.666667
2  3.0  5.0  7.666667
3  4.0  6.0  8.000000
4  5.0  7.0  9.000000

이 코드는 앞서 설명한 내용을 바탕으로 작성되었습니다.
data 딕셔너리에 예시 데이터를 저장합니다.
pd.DataFrame() 함수를 사용하여 딕셔너리를 DataFrame으로 변환합니다.
df.fillna(mean_values, inplace=True) 함수를 사용하여 NaN 값을 열 평균값으로 바꿉니다.
변경된 DataFrame을 출력합니다.

이 코드는 예시이며, 실제 상황에 따라 변경될 수 있습니다.
데이터 처리 과정에서 발생할 수 있는 오류를 방지하기 위해 데이터를 항상 주의 깊게 검토해야 합니다.

Pandas DataFrame에서 NaN 값을 열 평균으로 바꾸는 대체 방법

replace() 함수 사용

replace() 함수를 사용하여 NaN 값을 특정 값으로 바꿀 수 있습니다. 이 경우, 열 평균값을 특정 값으로 설정하면 됩니다.

df.replace(np.nan, df.mean(), inplace=True)
print(df)

interpolate() 함수 사용

interpolate() 함수를 사용하여 NaN 값을 보간할 수 있습니다. 이 함수는 인접한 값을 기반으로 NaN 값을 추정합니다. method='linear' 매개변수를 사용하면 선형 보간을 수행합니다.

df.interpolate(method='linear', inplace=True)
print(df)

apply() 함수 사용

apply() 함수를 사용하여 사용자 정의 함수를 각 열 또는 행에 적용할 수 있습니다. 다음은 각 열의 평균값을 계산하고 NaN 값을 해당 평균값으로 바꾸는 사용자 정의 함수의 예시입니다.

def impute_nan(column):
    mean_value = column.mean()
    column.fillna(mean_value, inplace=True)
    return column

df.apply(impute_nan, axis=0, inplace=True)
print(df)

groupby() 함수 사용

groupby() 함수를 사용하여 그룹별로 데이터를 집계하고 NaN 값을 처리할 수 있습니다. 다음은 'A' 열을 기준으로 그룹화하고 각 그룹의 평균값으로 NaN 값을 채우는 예시입니다.

def impute_nan_by_group(group):
    mean_value = group['B'].mean()
    group['B'].fillna(mean_value, inplace=True)
    return group

df.groupby('A').apply(impute_nan_by_group, inplace=True)
print(df)

주의 사항: