使用np.random.normal替换缺失NaN值时所有值相同，如何优化代码？

你当前代码输出所有替换值相同的核心原因是循环逻辑错误：每遍历到一个符合范围的随机值，就调用replace把整列所有的0统一替换为当前值，后续遍历的随机值会不断覆盖之前的替换结果，最终整列所有待替换值都等于循环最后一个符合要求的随机值。另外你要替换的是NaN，代码里写的替换目标是0，二者也存在不匹配的问题。

高效向量化实现（推荐） #

不需要循环或者列表推导，用pandas向量化操作性能更高，逻辑也更清晰：

1. 首先将列中字符串格式的"NaN"转为pandas可识别的空值，统计需要填充的空值数量

import pandas as pd
import numpy as np

# 转成数值类型，无效值（比如字符串"NaN"）会自动转为np.nan
data['Insulin'] = pd.to_numeric(data['Insulin'], errors='coerce')
# 统计需要填充的空值总数
na_cnt = data['Insulin'].isna().sum()

2. 生成符合0-400范围的随机值，数量和待填充空值数一致

mu, sigma = 155, 118
# 多生成50%的随机值避免筛选后数量不足
random_arr = np.random.normal(mu, sigma, int(na_cnt * 1.5))
# 筛选出符合范围的值，取前na_cnt个
valid_random = random_arr[(random_arr > 0) & (random_arr < 400)][:na_cnt]

3. 直接给空值位置赋值

data.loc[data['Insulin'].isna(), 'Insulin'] = valid_random

列表推导实现（按需求） #

如果一定要用列表推导实现，可以写成如下形式：

mu, sigma = 155, 118
data['Insulin'] = [
    val if not pd.isna(val)
    # 每次取10个随机值直到拿到符合范围的，避免无限循环
    else next(x for x in np.random.normal(mu, sigma, 10) if 0 < x < 400)
    for val in data['Insulin']
]

• 提前确认数据集里的缺失值是真实的np.nan还是字符串格式的"NaN"，后者需要先做类型转换才能被isna()识别
• 生成随机值时建议多生成一部分，避免正态分布生成的值超出范围后不够填充使用
• 非必要不建议用循环或者列表推导处理DataFrame列，向量化操作的执行效率会高很多

内容的提问来源于stack exchange，提问作者İzzet Türkalp Akbaşlı