Jupyter 对2018年数据最高价(high_price)和最低价(low_price)列填充平均值

可以使用 Pandas 库来完成这个任务。首先需要读取数据文件，然后计算出高价列和低价列的平均值，最后将缺失值替换为对应的平均值。下面是一份示例代码：

import pandas as pd

# 读取数据文件
df = pd.read_csv('data.csv')

# 计算高价和低价的平均值
high_price_mean = df['high_price'].mean()
low_price_mean = df['low_price'].mean()

# 填充缺失值
df['high_price'].fillna(high_price_mean, inplace=True)
df['low_price'].fillna(low_price_mean, inplace=True)

这里假设数据文件名为 `data.csv`，并且高价和低价列中存在缺失值。`fillna` 函数用于填充缺失值，`inplace=True` 表示在原数据框上直接进行修改。