如何用每行非NaN值的均值填充Pandas DataFrame中的NaN？

问题分析 #

你需要用每行非NaN数值的均值填充该行空缺值，但原代码未生效，核心问题有三点：

1. 未排除非数值列（rows），求和时包含字符串导致计算结果错误
2. fillna默认按列填充，无法匹配行级的均值数据
3. 硬编码数值列个数（4）不够灵活，索引方式冗余

正确代码实现 #

方法一：先计算行均值再填充

import pandas as pd
import numpy as np

# 初始化示例DataFrame
df = pd.DataFrame([['row 1', 1, 2, 3, 4], ['row 2', 5, np.nan, 7, 8], ['row 3', np.nan, np.nan, 11, 12]], 
                  index=['A', 'B', 'C'], 
                  columns=['rows', '1st', '2nd', '3th', '4th'])

# 指定数值列（排除字符串列rows）
numeric_cols = ['1st', '2nd', '3th', '4th']
# 计算每行数值列的均值（自动跳过NaN）
row_means = df[numeric_cols].mean(axis=1)
# 按行填充NaN：利用索引匹配，将每行均值填充到该行空缺位置
df[numeric_cols] = df[numeric_cols].fillna(row_means, axis=0)

print(df)

方法二：用apply按行处理（更简洁）

numeric_cols = ['1st', '2nd', '3th', '4th']
df[numeric_cols] = df[numeric_cols].apply(lambda row: row.fillna(row.mean()), axis=1)

运行结果 #

处理后的DataFrame如下：

原代码修正说明 #

• 替换硬编码的4为df[numeric_cols].count(axis=1)，自动获取每行非NaN数值的个数
• 必须排除非数值列，避免字符串干扰求和计算
• 确保填充值的索引与DataFrame行索引匹配，或通过apply按行处理实现精准填充

内容的提问来源于stack exchange，提问作者Maryam Mirfazaelian