如何用中位数替换数据集中的'?'？代码失效问题求助

你的代码有两个核心错误导致替换无效：

1. 双重循环逻辑错误
   你用两层循环让每个列遍历所有中位数进行替换，这完全不符合需求——每个列只需要对应medias列表里同位置的那个中位数，不需要遍历所有中位数。

2. pandas的replace方法默认不修改原数据
   dataset_1[col].replace('?', media)只会生成一个替换后的新Series对象，但不会自动修改原数据集。你要么添加inplace=True参数直接修改原数据，要么把替换后的结果赋值回原列。

修正后的代码 #

medias = []
# 计算各列排除'?'后的中位数
for col in dataset_1:
    # 过滤'?'并转为数值类型，避免object类型导致中位数计算异常
    filtered_values = dataset_1[col][dataset_1[col] != '?'].astype(float)
    medias.append(filtered_values.median())

# 替换各列的'?'为对应中位数
for idx, col in enumerate(dataset_1):
    # 方式1：用inplace=True直接修改原数据
    dataset_1[col].replace('?', medias[idx], inplace=True)
    # 方式2：赋值回原列（推荐，避免inplace可能带来的副作用）
    # dataset_1[col] = dataset_1[col].replace('?', medias[idx])

额外说明 #

• 如果你的列原本是object类型（因为包含'?'字符串），替换为数值型中位数后，列会自动转为数值类型，这是合理的转换。
• 计算中位数时显式转为float是必要的：如果列是object类型，直接调用median()可能报错，因为pandas无法对混合字符串和数字的列计算中位数。

内容的提问来源于stack exchange，提问作者Lucas Leite