df["age"].mean() выдаёт NaN. У тебя есть пропуски в столбце. Что произошло и как исправить?

Варианты ответа

• mean() в pandas игнорирует NaN по умолчанию (skipna=True). NaN-результат значит что в колонке вообще нет валидных значений ИЛИ она нечисловая (object dtype) — проверь df["age"].dtype
• mean() считает NaN как 0, и если их слишком много — среднее становится NaN. Нужно явно filtered: df[df["age"].notna()]["age"].mean()
• mean() возвращает NaN если в колонке есть хоть один NaN — это поведение по дефолту защищает от ошибочных средних. Используй nanmean из numpy
• NaN означает что данные не загрузились. Перезагрузи через pd.read_csv с явным dtype="float", иначе pandas инициализирует столбец пустыми значениями

Разбор ответа

Получить доступ к ответам — все вопросы →

Похожие вопросы из категории «Python»

• Чем отличаются списки и кортежи в Python?
• Как работает list comprehension и чем лучше цикла?
• Что такое генератор и чем он отличается от списка?
• Как работает менеджер контекста и зачем нужен?
• Объясните разницу между deepcopy и copy.