Question

使用熊猫，我有一个具有两个层次结构A和B的数据框，其中B可以是NaN，我想在其中的D中填充一些NaN一种特殊的方式：

在下面的示例中，A具有“ B子组”，其中D根本没有值（例如(1, 1)），而A在其他子组中也具有D的值（例如(1, 3) ）。

现在，我想获取每个子组的mean（对于120, 90 and 75是A==1，找到这些均值的median（对于{{ 1}}），并使用此中位数填充90其他子组中的NaN。

像A==1这样的组中，只有D的NaN不能填充。

像A==1这样的组，其中有D的一些值，但只有B为NaN的行在D中具有NaN，如果可能的话，不应该填充它们（我打算稍后用的所有值的平均值来填充它们整个A组中的D个。

示例df：

A==2

A==3

预期结果：

d = {'A': [1, 1, 1, 1, 1, 1, 1, 2, 3, 3, 3], 
    'B': [1, 2, 3, 3, 4, 5, 6, 1, 1, np.NaN, np.NaN], 
    'D': [np.NaN, np.NaN, 120, 120, 90, 75, np.NaN, np.NaN, 60, 50, np.NaN]}
df = pd.DataFrame(data=d)

使用A B D 1 1 NaN 1 2 NaN 1 3 120 1 3 120 1 4 90 1 5 75 1 6 NaN 2 1 NaN 3 1 60 3 NaN 50 3 NaN NaN或A B D 1 1 90 1 2 90 1 3 120 1 3 120 1 4 90 1 5 75 1 6 90 2 1 NaN 3 1 60 3 NaN 50 3 NaN NaN似乎可以得到正确的值，但是使用

df.groupby(['A', 'B'])['D'].mean().groupby(['A']).agg('median')

似乎没有更改D中的任何值。

非常感谢您的帮助，我已经坚持了一段时间，在任何地方都找不到任何解决方案。

Answer 1

您的第一步是正确的。之后，我们使用Series.map将正确的中位数映射到列A中的每个组。

最后，如果D，我们使用np.where有条件地填充列B is not NaN：

medians = df.groupby(['A', 'B'])['D'].mean().groupby(['A']).agg('median')
df['D'] = np.where(df['B'].notna(),                        # if B is not NaN
                   df['D'].fillna(df['A'].map(medians)),   # fill in the median
                   df['D'])                                # else keep the value of column D

    A    B      D
0   1 1.00  90.00
1   1 2.00  90.00
2   1 3.00 120.00
3   1 3.00 120.00
4   1 4.00  90.00
5   1 5.00  75.00
6   1 6.00  90.00
7   2 1.00    nan
8   3 1.00  60.00
9   3  nan  50.00
10  3  nan    nan

如何用熊猫的2列groupby平均值中位数填充NA？

1 个答案: