Question

我有一个数据集会显示一些如下所示的缺失数据：

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

我需要填写空值才能使用模型中的数据。每次类别第一次出现时，它都是NULL。我想要做的是对于类别A和B这样的具有多个值的情况，用该类别的平均值替换空值。对于只有一次出现的类别C，只需填写其余数据的平均值即可。

我知道我可以简单地为C之类的情况执行此操作以获取所有行的平均值，但我仍然试图为A和B执行分类方法并替换空值。

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

我需要最终的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

我认为您可以将groupby和apply fillna与mean一起使用。如果某个类别只有NaN个值，请获取NaN，因此请使用列的所有值的mean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

您还可以使用GroupBy + transform以分组方式填充NaN值。此方法避免了效率低的apply + lambda。例如：

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

熊猫：如何用groupby的平均值填充空值？

2 个答案: