如何为无缺失的DataFrame随机填充10%的NaN值？

核心思路 #

先计算DataFrame的总元素数量，确定需要替换为NaN的元素个数（总元素的10%），然后随机挑选这些位置并赋值为NaN。

实现代码（基于Pandas和NumPy） #

首先导入所需库：

import pandas as pd
import numpy as np

假设你已有一个无缺失值的DataFrame，示例如下（可替换为你的实际数据）：

df = pd.DataFrame({
    'A': range(100),
    'B': range(100, 200),
    'C': range(200, 300)
})

执行随机填充NaN的操作：

# 计算总元素数和需要替换的NaN数量
total_elements = df.size
missing_count = int(total_elements * 0.1)

# 随机选择不重复的位置索引
random_indices = np.random.choice(total_elements, missing_count, replace=False)

# 将选中位置设为NaN
df.values.flat[random_indices] = np.nan

关键说明 #

• df.values.flat把二维DataFrame转为一维扁平数组，方便直接通过索引定位元素
• replace=False确保同一个位置不会被重复选中，避免重复设置NaN
• 若DataFrame包含整数类型列，设置NaN后该列会自动转为浮点类型（因NaN属于浮点类型），如需保留整数类型，可后续转为支持缺失值的Int64类型：

  df = df.astype('Int64')
  

内容的提问来源于stack exchange，提问作者sashx