Julia中如何用列均值填充DataFrame的缺失值？

首先给出示例数据：

using DataFrames
using Statistics
df = DataFrame(x = [1, missing, 3], y = [missing, 2, 3], z = [4, 4,  missing])

对应的DataFrame结构：

3×3 DataFrame
 Row │ x        y        z       
     │ Int64?   Int64?   Int64?  
─────┼───────────────────────────
   1 │       1  missing        4
   2 │ missing        2        4
   3 │       3        3  missing 

单列填充可以通过replace!结合mean和skipmissing实现：

replace!(df.x, missing => mean(skipmissing(df.x)))

执行后x列缺失值被填充为均值2，更新后的DataFrame：

3×3 DataFrame
 Row │ x       y        z       
     │ Int64?  Int64?   Int64?  
─────┼──────────────────────────
   1 │      1  missing        4
   2 │      2        2        4
   3 │      3        3  missing

直接使用eachcol批量调用replace!会触发MethodError，原因是eachcol(df)返回列集合，无法直接作为replace!的第一个参数，且mean(skipmissing(eachcol(df)))计算的是所有列均值组成的向量，并非每列单独的均值。

正确的批量实现方法 #

方法一：遍历列循环处理

遍历每一列，对单个列执行填充逻辑，逻辑与单列操作完全一致：

for col in eachcol(df)
    replace!(col, missing => mean(skipmissing(col)))
end

执行后所有列的缺失值都会被对应列的均值填充，最终DataFrame：

3×3 DataFrame
 Row │ x       y       z       
     │ Int64?  Int64?  Int64?  
─────┼─────────────────────────
   1 │      1      2      4
   2 │      2      2      4
   3 │      3      3      4

方法二：使用transform!批量处理

借助transform!函数结合匿名函数，一次性对所有列应用填充逻辑并修改原DataFrame：

transform!(df, eachcol() => (col -> replace(col, missing => mean(skipmissing(col)))) => identity)

其中eachcol()指定对所有列操作，匿名函数完成单列填充逻辑，=> identity表示保留原列名。

方法三：使用coalesce!简化操作

coalesce!可以直接将数组中的missing替换为指定非缺失值，代码更简洁：

for col in eachcol(df)
    col_mean = mean(skipmissing(col))
    coalesce!(col, col_mean)
end

内容的提问来源于stack exchange，提问作者Quinten