如何用同行相邻列均值替换DataFrame中的NaN值？

示例数据 #

你的示例DataFrame如下：

import pandas as pd
import numpy as np

d = {'col1': [4, 0, 2], 'col2': [1, np.nan, 4], 'col3': [12, -2, 4]}
df = pd.DataFrame(data=d)

方案1：通用处理（适用于任意位置的NaN） #

如果你的DataFrame中NaN可能出现在任意列（首列、中间列、末列），可以定义一个行处理函数，遍历每行的NaN并计算相邻有效值的均值填充：

def fill_nan_with_neighbor_mean(row):
    nan_cols = row[row.isna()].index
    for col in nan_cols:
        col_idx = row.index.get_loc(col)
        neighbors = []
        # 检查左侧相邻列
        if col_idx > 0:
            left_val = row[row.index[col_idx - 1]]
            if not pd.isna(left_val):
                neighbors.append(left_val)
        # 检查右侧相邻列
        if col_idx < len(row.index) - 1:
            right_val = row[row.index[col_idx + 1]]
            if not pd.isna(right_val):
                neighbors.append(right_val)
        # 用相邻值的均值填充NaN
        if neighbors:
            row[col] = np.mean(neighbors)
    return row

# 应用函数到每行
df_filled = df.apply(fill_nan_with_neighbor_mean, axis=1)
print(df_filled)

运行后输出结果：

col1  col2  col3
0     4   1.0    12
1     0  -1.0    -2
2     2   4.0     4

方案2：针对已知位置的NaN简化处理 #

如果已经明确NaN只出现在中间列（比如示例中的col2），且左右列都有有效值，可以直接计算左右列的均值填充：

df['col2'] = df['col2'].fillna((df['col1'] + df['col3']) / 2)

这种方式代码更简洁，适合场景明确的情况。

内容的提问来源于stack exchange，提问作者Davi