具有最接近值的熊猫数据帧自定义插补

Question

我有这个数据帧

df = pd.DataFrame({"A": [10, 10, 10, 22, 30, 30, 30, 30, 30], "B": ["a", "a", "b", "b", "b", "a", "b", "b", "b"], "C": [2, 5, 10, np.nan, 15, 20, 35, 35, 35]})

所以我的数据帧看起来像这样

Index  A   B   C
0      10  a   2
1      10  a   5
2      10  b  10
3      22  b nan
4      30  b  15
5      30  a  20
6      30  b  35
7      30  b  35
8      30  b  35

在第 3 行，我想根据满足这些条件的 C 列中的值插补 C 列。

1. A 中最接近的值(包括其自身(。 对于第 3 行，A 中 22 的最接近值是 30。 (如果其他行中有 22，则最接近的值为 22(
2. B 中的值相同。 对于第 3 行，B 的值为 b。
3. C 中的多数值。 对于第 3 行，我们可以看到第 4、5、6、7、8 行满足前 2 个条件，但 C 中的多数值为 35。

因此，C 列第 3 行的预期输出为 35。 我可以用蛮力方法编写代码，但我想知道我们是否可以做更优雅的方式。

Answer 1

定义以下函数：

def findVal(row):
iMin = (df1[df1.B == row.B].A - row.A).abs().idxmin()
aClo = df1.loc[iMin].A
return df1[df1.A.eq(aClo) & df1.B.eq(row.B)].C.mode().iloc[0]

描述：

• row(参数( - 要为其找到C值的行。
• df1- 此处查找数据。
• iMin- 与A最接近的行位于此索引处。
• aClo-A的最接近值。
• 返回的值：
  • 查找具有最接近的A和相同B的行。
  • 从中返回最常出现的C值。

然后从df生成df1- 具有非空值C的行。

df1 = df[df.C.notna()]

要填充缺失值，请运行：

df.C.update(df[df.C.isna()].apply(findVal, axis=1))

描述：

• DF[DF.C.isna((]- 查找具有空值C的行。
• .apply(...(- 将findVal应用于每个这样的行。
• 结果是一个系列，其中包含：
  • 具有缺失值的行的索引，
  • 由 findVal返回的值。
• DF.C.更新(...(- 上述系列在指示的索引处更新C列。