如何用行中位数替换数据集NaN值？代码执行后未生效求助

问题原因 #

你之前的代码失效的核心逻辑问题：

• replace方法直接传入Series作为替换值时，会尝试将整个DataFrame的NaN统一替换为该Series的所有值，而非按行对应匹配替换。
• fillna(medianinf)默认按列名匹配填充，但medianinf是基于行索引生成的Series，和DataFrame的列名不匹配，因此无法完成填充。

正确解决方案 #

以下三种方法均可实现按行中位数替换对应行的NaN值：

方法1：apply逐行处理（直观易读）

# 定位需要处理的列范围
target_cols = inflation_data.columns[4:-1]
# 逐行计算中位数并填充当前行的NaN
inflation_data[target_cols] = inflation_data[target_cols].apply(
    lambda row: row.fillna(row.median()), axis=1
)

方法2：mask结合广播对齐（性能更优）

import numpy as np

target_cols = inflation_data.columns[4:-1]
# 预先计算每行的中位数
medianinf = inflation_data[target_cols].median(axis=1)
# 将每行的NaN位置替换为对应行的中位数，通过[:, None]将Series转为二维数组实现广播
inflation_data[target_cols] = inflation_data[target_cols].mask(
    inflation_data[target_cols].isna(), medianinf[:, np.newaxis]
)

方法3：转置后按列填充（利用fillna默认逻辑）

target_cols = inflation_data.columns[4:-1]
medianinf = inflation_data[target_cols].median(axis=1)
# 转置后行变列，用fillna按列填充（对应原行的中位数），完成后再转置回来
inflation_data[target_cols] = inflation_data[target_cols].T.fillna(medianinf).T

内容的提问来源于stack exchange，提问作者Puj