列中 select 个数值的平均值

Question

从列年龄我想 select 年龄组在 (15 & 45) 之间，然后用年龄组 (15 & 45) 的平均值替换缺失值

[IN]: train['Age'].isnull().value_counts()
[OUT]:
False    714
True     177
Name: Age, dtype: int64

我该如何编写这段代码？

大多数解决方案都指的是基于布尔的输出

train['Age'].fillna((train['Age'] > 15 & train['Age'] < 45).mean())

TypeError: cannot compare a dtyped [float64] array with a scalar of type [bool]

train['Age'].fillna((train['Age'] > 15 & train['Age'] < 45).mean())

年龄段分布在 1 到 80 岁之间从年龄列中，我想 select 年龄组在 (15 & 45) 之间，然后用年龄组 (15 & 45) 的平均值替换缺失值

Answer 1

为第 Age 列添加括号和 loc:

m = train.loc[(train['Age'] > 15) & (train['Age'] < 45), 'Age'].mean()

或使用Series.between:

m = train.loc[train['Age'].between(15, 45, inclusive=False), 'Age'].mean()

最后替换缺失值：

train['Age'] = train['Age'].fillna(m)

Answer 2

train['Age'].fillna(train.Age[(train['Age'] > 15) & (train['Age'] < 45) ].mean())

列中 select 个数值的平均值

mean of the select number of numerical values from a column

python

numpy

mean

pandas