如何用Python将年龄列中无效值替换为列均值？

假设数据集的Vict Age列包含600,000条数据，其中存在0、-1这类不符合逻辑的无效值，需要将这些值替换为该列有效数据的均值。

原代码问题分析 #

你提供的代码存在语法错误与逻辑问题：

# 原代码（错误示例）
df6 = df5['Vict Age'].replace([0, -1]).mean())
df6.update(df5)
df6

• 语法错误：多了一个闭合括号，mean()后多余的)会导致运行报错
• 逻辑错误：replace([0, -1])未指定替换值，默认会把0、-1转为缺失值，后续mean()得到的是一个标量数值，无法用update()方法去更新原DataFrame

正确实现步骤 #

1. 计算有效数据的均值

先过滤掉无效值，再计算该列的均值，有两种常用写法：

import pandas as pd

# 写法1：通过布尔索引筛选有效数据后求均值
valid_mean = df5[~df5['Vict Age'].isin([0, -1])]['Vict Age'].mean()

# 写法2：将无效值转为缺失值，删除缺失值后求均值
valid_mean = df5['Vict Age'].replace([0, -1], pd.NA).dropna().mean()

2. 替换无效值为均值

可以直接修改原DataFrame的列，或者生成新的DataFrame保存结果：

# 方法1：直接修改原DataFrame的Vict Age列
df5['Vict Age'] = df5['Vict Age'].replace([0, -1], valid_mean)

# 方法2：创建原DataFrame的副本，修改副本避免影响原数据
df6 = df5.copy()
df6['Vict Age'] = df6['Vict Age'].replace([0, -1], valid_mean)

说明 #

• 若你的数据集规模较大（60万条），上述两种方法的效率都足够应对，不会有性能问题
• 建议使用方法2创建副本修改，避免误操作破坏原始数据

内容的提问来源于stack exchange，提问作者Sharvinraj