DataFrame自定义函数填充列均值方法

本文深入讲解了如何用Python自定义函数高效、安全地对Pandas DataFrame中各列的缺失值（NaN）进行均值填充，既涵盖全表批量处理的简洁稳健方案，也提供单列精准操作的调试利器，并直击初学者常犯的逻辑与轴向错误，同时强调类型检查、空列防护、原地修改风险等工程级最佳实践——掌握这套方法，不仅能扎实解决数据清洗中的核心痛点，更为构建可复用、可维护、可扩展的数据预处理流水线奠定关键基础。

本文详解如何编写 Python 自定义函数，对 Pandas DataFrame 的每一列执行“用列均值填充 NaN”操作，涵盖全表批量处理与单列指定处理两种实用场景，并指出常见错误及最佳实践。

在数据预处理中，用各列均值填充缺失值（NaN）是常见且稳健的策略。虽然 df.apply(lambda x: x.fillna(x.mean()), axis=0) 一行即可实现，但封装为可复用、易调试、可扩展的自定义函数更具工程价值。

以下是推荐的规范实现方式：

✅ 正确的全列均值填充函数（推荐）

import pandas as pd
import numpy as np

def fill_nan_with_mean(df):
    """
    将 DataFrame 中所有数值列的 NaN 值替换为对应列的均值。
    自动跳过非数值列（如字符串、时间序列），避免报错。

    Parameters:
    df (pd.DataFrame): 输入 DataFrame

    Returns:
    pd.DataFrame: 原地修改后的 DataFrame（若需保留原 df，请先 df.copy()）
    """
    # 计算每列均值（仅对数值列有效，自动忽略非数值列）
    column_means = df.select_dtypes(include=[np.number]).mean()
    # 使用 fillna 批量填充：支持按列广播
    df.fillna(column_means, inplace=True)
    return df

使用示例：

# 示例数据
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': ['x', 'y', 'z', 'w']  # 非数值列，将被自动忽略
})

fill_nan_with_mean(df)
print(df)
# 输出：
#      A    B  C
# 0  1.0  5.0  x
# 1  2.0  6.5  y
# 2  2.3  7.0  z
# 3  4.0  8.0  w

✅ 单列指定填充函数（灵活调试用）

def fill_nan_with_mean_single_column(df, column_name):
    """
    对指定列用其均值填充 NaN。

    Parameters:
    df (pd.DataFrame): 输入 DataFrame
    column_name (str): 待处理列名

    Raises:
    KeyError: 若列不存在
    TypeError: 若该列不可计算均值（如全为字符串）
    """
    if column_name not in df.columns:
        raise KeyError(f"Column '{column_name}' not found in DataFrame.")

    col_series = df[column_name]
    if not np.issubdtype(col_series.dtype, np.number):
        raise TypeError(f"Column '{column_name}' is not numeric; mean cannot be computed.")

    mean_val = col_series.mean()
    df[column_name].fillna(mean_val, inplace=True)
    return df

❌ 为什么原始尝试失败？

你最初的函数存在两个关键问题：

• if x is None: 判断无效：Pandas Series 不等于 None，NaN 应用 pd.isna(x) 或 x.isna() 检测；
• axis=1 错误：apply(..., axis=1) 是按行操作，而均值需按列计算（axis=0），且 x.mean() 在行上下文中作用于索引而非列。

此外，直接对 Series 调用 .mean() 会跳过 NaN，默认计算有效值均值——这正是我们所需行为，无需手动 if/else 分支。

⚠️ 注意事项与最佳实践

• 避免原地修改风险：生产环境中建议默认返回新 DataFrame，或显式注明 inplace=True 并加注释；
• 类型安全：使用 select_dtypes(include=[np.number]) 显式限定数值列，防止 TypeError；
• 空列处理：若某数值列全为 NaN，.mean() 返回 NaN，此时 fillna(NaN) 无效果——建议提前检查：if pd.isna(mean_val): raise ValueError(...)；
• 链式调用兼容性：若需方法链式调用（如 df.pipe(fill_nan_with_mean)），函数应返回 df 而非 None。

掌握这一模式，不仅能精准替代缺失值，也为后续封装标准化清洗流程（如中位数填充、众数填充、插值等）打下坚实基础。

好了，本文到此结束，带大家了解了《DataFrame自定义函数填充列均值方法》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！