Scania气压系统故障数据集：如何用均值替换数据框中的零值？

以下是基于Python（Pandas）和R两种常用工具的实现方法，替换前需确认零值代表缺失/无效数据（而非业务上的合理值）：

Python（Pandas）实现 #

import pandas as pd

# 加载数据集（替换为你的文件路径）
df = pd.read_csv("scania_air_pressure_failures.csv")

# 方法1：遍历数值列逐一替换
for col in df.select_dtypes(include=['int64', 'float64']).columns:
    # 计算该列非零值的均值（避免零值干扰均值计算）
    non_zero_mean = df[df[col] != 0][col].mean()
    # 将列中的0替换为对应均值
    df[col] = df[col].replace(0, non_zero_mean)

# 方法2：更简洁的apply写法
df = df.apply(
    lambda x: x.replace(0, x[x != 0].mean()) 
    if x.dtype in ['int64', 'float64'] 
    else x
)

R语言实现 #

# 加载数据集（替换为你的文件路径）
df <- read.csv("scania_air_pressure_failures.csv")

# 定义替换函数：将列内零值替换为非零值的均值
replace_zero_with_mean <- function(column) {
    col_mean <- mean(column[column != 0], na.rm = TRUE)
    column[column == 0] <- col_mean
    return(column)
}

# 应用函数到所有数值型列
df[, sapply(df, is.numeric)] <- lapply(df[, sapply(df, is.numeric)], replace_zero_with_mean)

关键注意事项 #

• 先通过df[df == 0].count()（Python）或colSums(df == 0)（R）查看各列零值数量，确认是否需要替换
• 如果部分列的零值是业务合理值（比如表示"无故障"），需单独排除这些列，不要盲目全局替换

内容的提问来源于stack exchange，提问作者Dama Vargová