如何用行均值替换nan值？SimpleImputer替代Imputer的实现方法

方法一：使用Pandas（最简便） #

直接借助Pandas的fillna方法结合行均值计算，就能快速实现按行填充NaN：

import pandas as pd
import numpy as np

x = [[2,4,np.nan,5,3],[2,3,5,np.nan]]
df = pd.DataFrame(x)
# 按行遍历，用当前行的均值填充该行的NaN
df_filled = df.apply(lambda row: row.fillna(row.mean()), axis=1)
print(df_filled)

也可以通过转置数据的方式实现，适合处理大规模数据：

df_filled = df.T.fillna(df.mean(axis=1)).T

方法二：结合NumPy与Sklearn SimpleImputer #

如果需要基于Sklearn生态实现，可以通过转置数据绕开SimpleImputer不支持axis=1的限制：

import numpy as np
from sklearn.impute import SimpleImputer

x = np.array([[2,4,np.nan,5,3],[2,3,5,np.nan]])
# 转置数据，将原数据的行转为列
x_transposed = x.T
# 初始化SimpleImputer，用均值填充缺失值
imputer = SimpleImputer(strategy='mean')
# 填充后转置回原数据形状
x_filled = imputer.fit_transform(x_transposed).T
print(x_filled)

内容的提问来源于stack exchange，提问作者adel shabez