Jupyter对2018年数据最高价和最低价列填充平均值

首先，你需要导入需要的库，如pandas和numpy。然后，读取你的数据集，并计算2018年数据的最高价和最低价的平均值。

下面是一个示例代码：

import pandas as pd
import numpy as np

# 读取数据集
data = pd.read_csv("your_data.csv")

# 提取2018年的数据
data_2018 = data[data['Year'] == 2018]

# 计算最高价和最低价的平均值
mean_high = np.mean(data_2018['High'])
mean_low = np.mean(data_2018['Low'])

# 使用平均值填充缺失值
data_2018['High'].fillna(mean_high, inplace=True)
data_2018['Low'].fillna(mean_low, inplace=True)

# 将填充后的数据保存为新的文件
data_2018.to_csv("new_data.csv", index=False)

请注意，这里假设你的数据集中包含一个名为“Year”的列，用于表示每条记录所属的年份。如果你的数据集中没有这样的列，你需要根据数据集中实际的列进行调整。