当你读取数据时（大概是用pd.read_csv()）是用nan替换'?'的好时机：

df = pd.read_csv(..., na_values='?')

参见docs。na_values也可以是一个列表或指令集。
默认情况下，这将 * 添加 * '?'到要解释为NaN的字符串列表中（如果您愿意，可以使用keep_default_na=False进行更改）。

您可以发送一个dict作为参数到df.replace()，其中此dict将包括具有要替换的值和新值的列名。对于列的平均值，可以将参数errors指定为True。下面是一个代码来解释：

import pandas as pd
df = pd.DataFrame({'BILIRUBIN': [1, '?', 1, 0.4, 0.7], 
                   'SGOT':[18, '?','?',18, 18], 
                   'ALK_PHOSPHATE':[85, '?', '?', 45, 71]})

replace_dict = {'SGOT': {'?': pd.to_numeric(df.SGOT, errors='coerce').mean()}, 
                'BILIRUBIN':{'?': pd.to_numeric(df.BILIRUBIN, errors='coerce').mean()}, 
                'ALK_PHOSPHATE':{'?': pd.to_numeric(df.ALK_PHOSPHATE, errors='coerce').mean()}}

df.replace(replace_dict, inplace=True)

>>> df
   BILIRUBIN  SGOT  ALK_PHOSPHATE
0      1.000  18.0           85.0
1      0.775  18.0           67.0
2      1.000  18.0           67.0
3      0.400  18.0           45.0
4      0.700  18.0           71.0

这实际上取决于你的 Dataframe 。如果你的dataframe中有多种数据类型（比如string和integers），那么replace函数即使在使用inplace = True之后也不会工作。在这种情况下，您可以使用

# Replace "?" with np.nan in string columns
df = df.applymap(lambda x: np.nan if isinstance(x, str) and x.strip() == "?" else x)

# Replace "?" with np.nan in integer columns
df.replace("?", np.nan, inplace=True)

希望这对你有帮助。