CSV读取的DataFrame：字符串转浮点数及NaN均值填充方案咨询

我来给你捋捋这个问题的解决思路哈，你遇到的核心卡点就是列的类型不对——字符串类型没法直接计算均值，硬转float还会把NaN变成0，完全不符合需求。咱们分两步走就能搞定：

第一步：把字符串列转成数值类型（统一处理NaN） #

首先得把那些字符串格式的浮点数转换成pandas能识别的数值类型，同时把所有无效值（不管是原来的NaN，还是写成"NaN"的字符串）都统一变成pandas标准的NaN。用pd.to_numeric()就行，记得加errors='coerce'参数，它会自动把转不动的内容变成NaN：

import pandas as pd

# 假设你的DataFrame叫df，目标列是'target_col'
df['target_col'] = pd.to_numeric(df['target_col'], errors='coerce')

第二步：用均值填充NaN #

现在列已经是数值类型了，计算均值和填充就顺理成章了。先算列的均值（默认会忽略NaN），再用fillna()把NaN替换掉：

# 计算列的均值
col_avg = df['target_col'].mean()
# 填充NaN
df['target_col'] = df['target_col'].fillna(col_avg)

嫌麻烦的话，也可以把两步合并成一行代码：

df['target_col'] = pd.to_numeric(df['target_col'], errors='coerce').fillna(df['target_col'].mean())

举个实际例子验证 #

假设你的原始数据长这样：

跑完代码后，target_col就变成了：

这样既把字符串转成了浮点数，又用均值填充了所有NaN，完全符合你的需求～

内容的提问来源于stack exchange，提问作者Brojek Polonsky