通过比较各列中的值来填充NaNs

Question

我正在处理Kaggle上的“泰坦尼克号”数据集，并希望用数据帧NaNs中的值填充Age列中的df，该数据帧还具有一些常见字段，例如我的原始数据帧Orig。

我只希望比较Sex, Pclass,Title列以填充NaN。

df的内容是：

  Sex Pclass Title  Survived       Age      Fare
0   0   1   Miss    0.958333    29.744681   121.694356
1   0   1   Mrs     0.976744    40.400000   92.615505
2   0   1   Officer 1.000000    49.000000   25.929200
3   0   1   Royalty 1.000000    40.500000   63.050000
4   0   2   Miss    0.941176    22.390625   20.393750
5   0   2   Mrs     0.904762    33.547619   23.246231
6   0   3   Miss    0.500000    16.123188   15.248043
7   0   3   Mrs     0.500000    33.515152   18.233529
8   1   1   Master  1.000000    5.306667    117.802767
9   1   1   Mr      0.345794    41.580460   68.034385
10  1   1   Officer 0.444444    51.125000   53.761111
11  1   1   Royalty 0.333333    42.333333   28.216667
12  1   2   Master  1.000000    2.258889    27.306022
13  1   2   Mr      0.087912    32.768293   19.252564
14  1   2   Officer 0.000000    42.000000   16.796875
15  1   3   Master  0.392857    5.350833    28.177232
16  1   3   Mr      0.112853    28.724891   11.299762

Orig是：

如何使用NaNs填充Age的{​​{1}}列中的Orig？

Answer 1

创建感兴趣的列的列表：

cols = [
    *orig.columns.difference(df.columns),'Sex_x','Pclass_x',
    'Title_x', 'Survived_x', 'Age_x', 'Age_y', 'Fare'
]

在列Sex，PClass和Title上进行左合并（合并），并用NaN中的值填充Age_y值：

  orig = orig.merge(df, on=['Sex', 'PClass', 'Title'], how='left')[cols]
    orig['Age'] = df['Age_x'].fillna(df['Age_y'])

删除现在多余的Age_x和Age_y列：

orig.drop(columns=['Age_x', 'Age_y'], inplace=True)