对某列属性的空缺值进行整体填充 填充为该列的平均值 python代码

可以使用 `fillna()` 函数来对 DataFrame 数据中某一列的空缺值进行整体填充。以下是一个示例代码：

import pandas as pd

# 创建一个包含空缺值的 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'age': [25, None, 27, None, 30],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 计算 'age' 属性的平均值
mean_age = df['age'].mean()

# 使用平均值填充 'age' 属性的空缺值
df['age'].fillna(mean_age, inplace=True)

# 打印填充后的 DataFrame
print(df)

运行上面的代码后，将输出以下结果：

      name   age gender
0    Alice  25.0      F
1      Bob  26.0      M
2  Charlie  27.0      M
3    David  26.0      M
4    Emily  30.0      F

其中，`fillna()` 函数将会将指定列中的所有空缺值填充为指定的值，并返回一个新的 DataFrame。如果需要在原有 DataFrame 上直接填充，可以使用 `inplace=True` 参数。例如：

# 直接在原有 DataFrame 上填充 'age' 属性的空缺值
df['age'].fillna(mean_age, inplace=True)

# 打印填充后的 DataFrame
print(df)

注意，如果需要对多个属性进行填充，可以使用 `fillna()` 函数的第一个参数指定填充值的字典。例如：

# 使用字典指定多个属性的填充值
fill_values = {'age': mean_age, 'gender': 'unknown'}
df.fillna(fill_values, inplace=True)

# 打印填充后的 DataFrame
print(df)

其中，`fillna()` 函数的第一个参数是一个字典，其中每个键表示要填充的属性名，每个值表示该属性的填充值。该方法也可以用于对整个 DataFrame 进行填充。