Question

我有一个带有2列的Pandas DataFrame：Year（int）和Condition（string）。在“条件”列中，我有一个nan值，我想根据来自groupby操作的信息来替换它。

import pandas as pd 
import numpy as np

year = [2015, 2016, 2017, 2016, 2016, 2017, 2015, 2016, 2015, 2015]
cond = ["good", "good", "excellent", "good", 'excellent','excellent', np.nan, 'good','excellent', 'good']

X = pd.DataFrame({'year': year, 'condition': cond})
stat = X.groupby('year')['condition'].value_counts()

它给出：

print(X)
   year  condition
0  2015       good
1  2016       good
2  2017  excellent
3  2016       good
4  2016  excellent
5  2017  excellent
6  2015        NaN
7  2016       good
8  2015  excellent
9  2015       good

print(stat)
year  condition
2015  good         2
      excellent    1
2016  good         3
      excellent    1
2017  excellent    2

由于第六行的nan值表示year = 2015，而从统计数据中我得到的是从2015年开始，最经常出现的是“好”，所以我想用“ good”值代替这个nan值。

我已经尝试过fillna和.transform方法，但是它不起作用：（

我将不胜感激。

Answer 1

我做了一些额外的转换，使stat作为字典将年份映射到其最高频率名称（贷记为this answer）：

In[0]:
fill_dict = stat.unstack().idxmax(axis=1).to_dict()
fill_dict

Out[0]:
{2015: 'good', 2016: 'good', 2017: 'excellent'}

然后根据此字典将fillna与map一起使用（贷记this answer）：

In[0]:
X['condition'] = X['condition'].fillna(X['year'].map(fill_dict))
X

Out[0]:
   year  condition
0  2015       good
1  2016       good
2  2017  excellent
3  2016       good
4  2016  excellent
5  2017  excellent
6  2015       good
7  2016       good
8  2015  excellent
9  2015       good

如何根据组值计数来填充数据框中的缺失值？

1 个答案: