### 处理CSV文件中的缺失值 为了使用 Python 填充 CSV 文件中的缺失值，可以借助 `pandas` 库来完成这一任务。以下是详细的解决方案： #### 安装依赖库 如果尚未安装 `pandas` 和其他可能需要的库，请先通过以下命令安装它们： ```bash pip install pandas numpy openpyxl ``` #### 使用 Pandas 填充缺失值 下面是一个完整的代码示例，用于读取指定路径下的 CSV 文件并填充其缺失值。 ```python import pandas as pd import numpy as np # 设置文件路径 file_path = r'C:\Users\Lenovo\Desktop\数据挖掘\sobar-72 MISS.csv' # 加载数据 data = pd.read_csv(file_path) # 查看原始数据结构和缺失值情况 print(data.info()) print(data.isnull().sum()) # 方法一：用固定值（如0或特定字符串）填充所有缺失值 filled_data_fixed_value = data.fillna(0) # 将所有NaN替换为0 # 方法二：按列分别计算均值/中位数/众数，并以此填充缺失值 for column in data.columns: if data[column].dtype == 'float64' or data[column].dtype == 'int64': mean_val = data[column].mean() # 计算数值型列的平均值 filled_data_mean = data.fillna(mean_val) elif data[column].dtype == 'object': # 对于字符型列 mode_val = data[column].mode()[0] # 获取众数 filled_data_mode = data.fillna(mode_val) # 方法三：向前或向后填充缺失值 forward_filled_data = data.ffill() backward_filled_data = data.bfill() # 输出处理后的数据到新的CSV文件 output_file_path = r'C:\Users\Lenovo\Desktop\数据挖掘\filled_sobar-72.csv' filled_data_mean.to_csv(output_file_path, index=False, encoding='utf-8-sig') print(f"已成功保存至 {output_file_path}") ``` 以上代码实现了多种方式填充缺失值的功能，具体方法如下： 1. **固定值填充**：将所有的缺失值统一替换成某个固定的值（如零或其他默认值）。这种方法简单粗暴，在某些场景下适用[^3]。 2. **统计量填充**：对于数值型字段，可以用该列的均值、中位数或者众数替代；而对于分类变量，则通常采用众数作为填补依据[^4]。 3. **前向/后向填充**：利用相邻的数据点进行插补操作，适合时间序列等具有连续性的数据集[^5]。 #### 注意事项 当执行上述脚本时，请注意以下几点： - 如果目标文件编码不是标准 UTF-8 编码形式，需调整参数 `encoding` 来匹配实际使用的编码格式； - 部分特殊情况下，可能存在多个 DLL 或动态链接库冲突的情况，这与当前讨论主题无关但值得注意[^2]。