如何用组的平均值填充空值

Question

我有一个数据集，将一些丢失的数据看起来像这样:

id    category     value
1     A            NaN
2     B            NaN
3     A            10.5
4     C            NaN
5     A            2.0
6     B            1.0

我需要填写空以在模型中使用数据。每次一个类别第一次出现时，它都是NULL。我想要做的是，对于类别A和B有多于一个值的情况，用该类别的平均值替换空值。对于只出现一次的C类别，只需填写其余数据的平均值。

我知道我可以简单地为C这样的情况得到所有行的平均值，但我一直试图为A和B做分类方法，并替换null。

df['value'] = df['value'].fillna(df['value'].mean()) 

我需要最后的df像这样

id    category     value
1     A            6.25
2     B            1.0
3     A            10.5
4     C            4.15
5     A            2.0
6     B            1.0

Answer 1

我认为您可以使用groupby和apply fillna与mean。然后得到NaN，如果某些类别只有NaN的值，所以使用mean列的所有值来填充NaN:

df.value = df.groupby('category')['value'].apply(lambda x: x.fillna(x.mean()))
df.value = df.value.fillna(df.value.mean())
print (df)
   id category  value
0   1        A   6.25
1   2        B   1.00
2   3        A  10.50
3   4        C   4.15
4   5        A   2.00
5   6        B   1.00

Answer 2

您也可以使用GroupBy + transform来用分组方式填充NaN值。这种方法避免了低效的apply + lambda。例如:

df['value'] = df['value'].fillna(df.groupby('category')['value'].transform('mean'))
df['value'] = df['value'].fillna(df['value'].mean())