如何使用pandas将列中的每个NaN替换为不同的随机值？

Question

我最近一直在玩熊猫，现在我尝试用不同的正态分布随机值来代替数据帧中的NaN值。在

假设我有一个没有头的CSV文件

      0
0    343
1    483
2    101
3    NaN
4    NaN
5    NaN

我的预期结果应该是这样的

^{pr2}$

但我得到了以下信息：

       0
0     343
1     483
2     101
3     randomnumber1
4     randomnumber1
5     randomnumber1    # all NaN filled with same number

到目前为止我的代码

import numpy as np
import pandas as pd

df = pd.read_csv("testfile.csv", header=None)
mu, sigma = df.mean(), df.std()
norm_dist = np.random.normal(mu, sigma, 1)
for i in norm_dist:
    print df.fillna(i)

我正在考虑从dataframe中获取NaN行的数量，并将np.random.normal(mu, sigma, 1)中的数字1替换为NaN行的总数，这样每个NaN可能具有不同的值。在

但我想问一下，有没有其他简单的方法可以做到这一点？在

谢谢你的帮助和建议。在

Answer 1

用随机值代替pandas数据帧列中的缺失值很简单。在

mean = df['column'].mean()
std = df['column'].std()

def fill_missing_from_Gaussian(column_val):
    if np.isnan(column_val) == True: 
        column_val = np.random.normal(mean, std, 1)
    else:
         column_val = column_val
return column_val

现在只需将上述方法应用于缺少值的列。在

^{pr2}$

Answer 2

我认为你需要：

mu, sigma = df.mean(), df.std()
#get mask of NaNs
a = df[0].isnull()
#get random values by sum ot Trues, processes like 1
norm_dist = np.random.normal(mu, sigma, a.sum())
print (norm_dist)
[ 184.90581318  364.89367364  181.46335348]
#assign values by mask
df.loc[a, 0] = norm_dist
print (df)

            0
0  343.000000
1  483.000000
2  101.000000
3  184.905813
4  364.893674
5  181.463353

Answer 3

下面是一种处理底层数组数据的方法-

def fillNaN_with_unifrand(df):
    a = df.values
    m = np.isnan(a) # mask of NaNs
    mu, sigma = df.mean(), df.std()
    a[m] = np.random.normal(mu, sigma, size=m.sum())
    return df

本质上，我们使用size param with ^{}一次性生成所有随机数，并使用nan的掩码一次性分配它们。在

样本运行-

^{pr2}$