我有一个pandas DataFrame,它有两列:toy
和color
。color
列包含缺少的值。
如何用该特定toy
的最频繁color
填充缺失的color
值?
以下是创建示例数据集的代码:
import pandas as pd
import numpy as np
df = pd.DataFrame({
'toy':['car'] * 4 + ['train'] * 5 + ['ball'] * 3 + ['truck'],
'color':['red', 'blue', 'blue', np.nan, 'green', np.nan,
'red', 'red', np.nan, 'blue', 'red', np.nan, 'green']
})
以下是示例数据集:
toy color
0 car red
1 car blue
2 car blue
3 car NaN
4 train green
5 train NaN
6 train red
7 train red
8 train NaN
9 ball blue
10 ball red
11 ball NaN
12 truck green
这是想要的结果:
- 将第一个NaN替换为蓝色,因为这是汽车最常见的
color
- 将第二个和第三个NaNs替换为红色,因为这是列车最频繁的
color
- 将第四个NaN替换为蓝色或红色,因为它们并列为球最频繁的
color
关于真实数据集的说明:
- 有许多不同的
toy
类型(不仅仅是四种) - 没有
toy
类型只缺少color
的值,因此答案不需要处理这种情况
这个问题是相关的,但它没有回答我的问题,即如何使用最频繁的值来填充缺失的值。
您可以使用groupby()
+transform()
+fillna()
:
df['color']=df['color'].fillna(df.groupby('toy')['color'].transform(lambda x:x.mode().iat[0]))
或
如果要在有2个或更多频繁值时选择随机值:
from random import choice
df['color']=df['color'].fillna(df.groupby('toy')['color'].transform(lambda x:choice(x.mode())))
您想要使用mode
:进行fillna
df["color"] = df.groupby("toy")["color"].apply(lambda x: x.fillna(x.mode().iat[0]))