Question

我目前正在做一个学校项目，遇到了一个小问题。我有一个airbnb数据集，目前正在尝试填充“ Property_type”列中的一些NaN值，以“容纳”列的不同类别的属性类型最常用的值填充（返回多少特定Airbnb可以接受的人）。

这是列的示例

property_type   accommodates

Townhouse         2
Apartment         3
Townhouse         4
Townhouse         2
NaN               3
Townhouse         2
House             3
...               ...

在这种情况下，我想做的是找到可容纳3个人的最常用的房地产类型，并用该类型的房地产来填充NaN值。

我的问题是要获得最普遍的价值（我知道以后该怎么做，但是此步骤不起作用）

我试图用这段代码找到最常见的值

property_type_mode = airbnb[['property_type','accommodates']].groupby(['accommodates']).agg(lambda x:x.value_counts().index[0])

这将返回错误：

IndexError: index 0 is out of bounds for axis 0 with size 0

我不明白为什么，因为我在其他专栏做过类似的事情，而且行得通。

有人知道我该怎么做！

谢谢您的时间！！

Answer 1

我认为返回了空索引数组（原因之一是缺少值），因此选择返回错误。解决方案是将next与iter一起使用，如果不匹配，则可能会增加值：

f = lambda x: next(iter(x.value_counts().index), 'no match')
s = airbnb.groupby('accommodates')['property_type'].agg(f)

airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))

另一种解决方案是使用dropna

f = lambda x: x.value_counts().index[0]
s = airbnb.dropna(subset=['accommodates']).groupby('accommodates')['property_type'].agg(f)

airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))

尝试使用groupby获得最常见的值并获取IndexError

1 个答案: