我有一个数据集,其中存储了马拉松赛段的时间(5公里、10公里等)和标识符(年龄、性别、国家)作为列,并将个体作为行。每个马拉松赛段分割列的单元格可能包含浮点数(指到达该赛段所需的秒数),也可能是“NaN”。一行最多可能包含4个NaN值。以下是一些示例数据:
Age M/F Country 5K 10K 15K 20K Half Official Time
2323 38 M CHI 1300.0 2568.0 3834.0 5107.0 5383.0 10727.0
2324 23 M USA 1286.0 2503.0 3729.0 4937.0 5194.0 10727.0
2325 36 M USA 1268.0 2519.0 3775.0 5036.0 5310.0 10727.0
2326 37 M POL 1234.0 2484.0 3723.0 4972.0 5244.0 10727.0
2327 32 M DEN NaN 2520.0 3782.0 5046.0 5319.0 10728.0
我打算为马拉松分段时间(只使用“5K”到“Half”列之间的数据)计算最佳拟合线,对于至少有一个NaN值的每一行,从该行的最佳拟合线中预测一个数据点来代替NaN值。
从样本数据中,我只想计算第2327行的最佳拟合线(使用2520.0、3782.0、5046.0和5319.0这些值)。使用这个最佳拟合线,我想用预测的5K时间替换NaN 5K时间。
如何为每一行的NaN值计算最佳拟合线?
提前感谢。