Python: Pandas 與 NumPy 處理缺失值中位數計算的完整指南; pandas.Series.median( skipna=True ) ; median_np = numpy .nanmedian(arr)

import pandas as pd
import numpy as np

# 建立一個含有缺失值的 Series
s = pd.Series([1, 2, np.nan, 4, 5])

# 使用默認參數 skipna=True 計算中位數
median_default = s.median()
print(f"使用默認 skipna=True: {median_default}")  # 輸出: 3.0

# 明確設定 skipna=True
median_skip = s.median(skipna=True)
print(f"明確設定 skipna=True: {median_skip}")  # 輸出: 3.0

# 設定 skipna=False
median_no_skip = s.median(skipna=False)
print(f"設定 skipna=False: {median_no_skip}")  # 輸出: NaN

import numpy as np

# 建立含有缺失值的陣列
arr = np.array([1, 2, np.nan, 4, 5])

# 使用 nanmedian 計算中位數
print(np.nanmedian(arr))  # 輸出: 3.0

import pandas as pd
import numpy as np

# 建立含缺失值的 DataFrame
scores = pd.DataFrame({
    '數學': [85, 90, np.nan, 75, 80],
    '英文': [70, np.nan, 85, 90, 75],
    '科學': [np.nan, 85, 90, 80, 85]
})

# 計算每科平均分數（忽略缺失值）
print(scores.mean())  # 默認 skipna=True

for c in scores.columns:
    med = scores[c].median()
    scores[c+"np"] = np.where(scores[c].isnull(),med,scores[c])