我正在嘗試用每個組（分組區域）中的數字模式替換空值。Pandas 中有沒有更簡單的方法可以做到這一點？我已經通過循環方法完成了它，不推薦用于非常大的數據集。data = {'area':['abc', 'abc', 'abc', 'abc','bcd', 'bcd', 'bcd' , 'cde','cde', 'cde', 'cde', 'cde'], 'number':[1, 2, 2, np.nan, 3, 3, np.nan, 5, 5, 4, np.nan, np.nan]}df = pd.DataFrame(data)Hell = pd.DataFrame(df.groupby("area")['number'].agg(lambda x:x.value_counts().index[0])).reset_index()import mathfor index in range(0,df.shape[0]): if math.isnan(df['number'][index]): for i in range(0,Hell.shape[0]): if Hell['area'][i] == df['area'][index]: df['number'][index] = Hell['number'][i]
1 回答
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
使用Series.fillnawithSeries.map替換匹配值 by area：
df['number'] = df['number'].fillna(df['area'].map(Hell.set_index('area')['number']))
print (df)
area number
0 abc 1.0
1 abc 2.0
2 abc 2.0
3 abc 2.0
4 bcd 3.0
5 bcd 3.0
6 bcd 3.0
7 cde 5.0
8 cde 5.0
9 cde 4.0
10 cde 5.0
11 cde 5.0
或者將您的解決方案GroupBy.transform用于相同的系列，例如由聚合值填充的原始系列：
s = df.groupby("area")['number'].transform(lambda x: x.value_counts().index[0])
#alternative
#s = df.groupby("area")['number'].transform(lambda x: x.mode().iat[0])
df['number'] = df['number'].fillna(s)
print (df)
area number
0 abc 1.0
1 abc 2.0
2 abc 2.0
3 abc 2.0
4 bcd 3.0
5 bcd 3.0
6 bcd 3.0
7 cde 5.0
8 cde 5.0
9 cde 4.0
10 cde 5.0
11 cde 5.0
添加回答
舉報
0/150
提交
取消