pandas年龄Sex缺失值用平均值填充

可以使用 Pandas 中的 fillna() 函数来填充缺失值。假设数据框的名称为 df，年龄列为 age，性别列为 sex，可以按照如下方式用年龄的平均值填充缺失值：

# 计算年龄的平均值
mean_age = df['age'].mean()

# 用平均值填充年龄的缺失值
df['age'].fillna(mean_age, inplace=True)

# 用众数填充性别的缺失值
mode_sex = df['sex'].mode()[0]
df['sex'].fillna(mode_sex, inplace=True)

上述代码首先计算年龄的平均值，然后使用 fillna() 函数将缺失值填充为该平均值。对于性别列，可以使用 mode() 函数计算众数，并用 fillna() 函数将缺失值填充为该众数。注意，使用 inplace=True 参数可以直接修改原始数据框 df，而不是返回一个新的数据框。