它始终取决于您的数据和您的任务。

如果有一个数据集有很大的异常值，我会更喜欢中位数。例如：99% 的家庭收入低于 100，1% 的家庭收入高于 500。

另一方面，如果我们处理顾客给干洗店的衣服磨损情况（假设干洗店的操作员直观地填写了这个字段），我将用磨损的平均值来填补缺失。

最好从数据理解开始，然后这篇文章将是一个有用的起点。

归责是实现目标的一种手段，而不是目标本身。在某些情况下，替换丢失的数据可能是错误的做法。确保您首先注意为什么您的数据丢失，例如在丢失数据维基百科页面中解释的那样，并且该插补实际上适合回答您的项目试图回答的问题。

如果满足某些假设（例如，如果变量具有缺失值的概率不取决于值本身，技术上称为“随机缺失”）并且您的研究涉及多个变量，则使用多重插补可能会更好而不是通过手段或中位数进行替换。在多重插补中，所有变量的已知值用于提供缺失数据的几组估计值。这种方法可以更好地估计变量之间的潜在关系和估计的可靠性。有关更多信息，请参阅本网站上带有multiple-imputation标签的问题。