我正在使用具有以下列的汽车销售数据集：“汽车”，“价格”，“车身”，“里程”，“ engV”，“ engType”，“注册”，“年份”，“型号”，“行驶”
列'drive'和'engType'具有NaN缺失值，我想基于['car'，'model']的分组依据来计算'drive'的模式，然后该组落在哪里，我想替换NaN值基于此分组依据
我尝试了以下方法：
用于数字数据
carsale ['engV2'] =（carsale.groupby（['car'，'body'，'model']））['engV']。transform（lambda x：x.fillna（x.median（）））
这很好，可以正确填充/替换数据
用于分类数据
carsale ['driveT'] =（carsale.groupby（['car'，'model']））['drive']。transform（lambda x：x.fillna（x.mode（）））
carsale ['driveT'] =（carsale.groupby（['car'，'model']））['drive']。transform（lambda x：x.fillna（pd.Series.mode（x））））
两者都给出相同的结果
这是完整的代码：
# carsale['price2'] = (carsale.groupby(['car','model','year']))['price'].transform(lambda x: x.fillna(x.median()))
# carsale['engV2'] = (carsale.groupby(['car','body','model']))['engV'].transform(lambda x: x.fillna(x.median()))
# carsale['mileage2'] = (carsale.groupby(['car','model','year']))['mileage'].transform(lambda x: x.fillna(x.median()))
# mode = carsale.filter(['car','drive']).mode()
# carsale[['test1','test2']] = carsale[['car','engType']].fillna(carsale.mode().iloc[0])
**carsale.groupby(['car', 'model'])['engType'].apply(pd.Series.mode)**
# carsale.apply()
# carsale
# carsale['engType2'] = carsale.groupby('car').engType.transform(lambda x: x.fillna(x.mode()))
**carsale['driveT'] = carsale.groupby(['car', 'model'])['drive'
].transform(lambda x: x.fillna(x.mode()))
carsale['driveT'] = carsale.groupby(['car', 'model'])['drive'
].transform(lambda x: x.fillna(pd.Series.mode(x)))**
# carsale[carsale.car == 'Mercedes-Benz'].sort_values(['body','engType','model','mileage']).tail(50)
# carsale[carsale.engV.isnull()]
# carsale.sort_values(['car','body','model'])
**carsale**
从以上两种方法得出的结果相同，只是替换/添加新列driveT中的值与原始列'drive'中的值相同。例如，如果我们在某些索引中包含NaN，那么它在driveT中也显示相同的NaN，而对于其他值也显示相同。
但是对于数值数据，如果我应用中位数，则它会添加/替换正确的值。
因此，实际上不是基于['car'，'model']组来计算模式，而是针对'drive'中的单个值执行模式，但是如果运行此命令
**carsale.groupby(['car','model'])['engType'].apply(pd.Series.mode)**
这是基于groupby（汽车，型号）的正确计算模式
有人可以帮忙吗？
最佳答案
我的方法是：
使用.groupby（）创建一个查找数据框，其中包含每个drive / car组合的model功能的模式。
在drive中的汽车/模型的值为null时，编写一个方法在该数据帧中查找模式并为给定的汽车/模型返回该模式。
但是，事实证明，有两个特定于OP数据集的关键情况需要处理：
当特定汽车/模型组合没有模式时（因为该组合的drive列中的所有条目均为NaN）。
当特定的汽车品牌没有模式时。
以下是我遵循的步骤。如果我从问题的示例数据帧的前几行扩展来的示例开始：
carsale = pd.DataFrame({'car': ['Ford', 'Mercedes-Benz', 'Mercedes-Benz', 'Mercedes-Benz', 'Mercedes-Benz', 'Nissan', 'Honda','Renault', 'Mercedes-Benz', 'Mercedes-Benz', 'Toyota', 'Toyota', 'Ferrari'],
'price': [15500.000, 20500.000, 35000.000, 17800.000, 33000.000, 16600.000, 6500.000, 10500.000, 21500.000, 21500.000, 1280.000, 2005.00, 300000.000],
'body': ['crossover', 'sedan', 'other', 'van', 'vagon', 'crossover', 'sedan', 'vagon', 'sedan', 'sedan', 'compact', 'compact', 'sport'],
'mileage': [68.0, 173.0, 135.0, 162.0, 91.0, 83.0, 199.0, 185.0, 146.0, 146.0, 200.0, 134, 123.0],
'engType': ['Gas', 'Gas', 'Petrol', 'Diesel', np.nan, 'Petrol', 'Petrol', 'Diesel', 'Gas', 'Gas', 'Hybrid', 'Gas', 'Gas'],
'registration':['yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes', 'yes'],
'year': [2010, 2011, 2008, 2012, 2013, 2013, 2003, 2011, 2012, 2012, 2009, 2003, 1988],
'model': ['Kuga', 'E-Class', 'CL 550', 'B 180', 'E-Class', 'X-Trail', 'Accord', 'Megane', 'E-Class', 'E-Class', 'Prius', 'Corolla', 'Testarossa'],
'drive': ['full', 'rear', 'rear', 'front', np.nan, 'full', 'front', 'front', 'rear', np.nan, np.nan, 'front', np.nan],
})
carsale
car price body mileage engType registration year model drive
0 Ford 15500.0 crossover 68.0 Gas yes 2010 Kuga full
1 Mercedes-Benz 20500.0 sedan 173.0 Gas yes 2011 E-Class rear
2 Mercedes-Benz 35000.0 other 135.0 Petrol yes 2008 CL 550 rear
3 Mercedes-Benz 17800.0 van 162.0 Diesel yes 2012 B 180 front
4 Mercedes-Benz 33000.0 vagon 91.0 NaN yes 2013 E-Class NaN
5 Nissan 16600.0 crossover 83.0 Petrol yes 2013 X-Trail full
6 Honda 6500.0 sedan 199.0 Petrol yes 2003 Accord front
7 Renault 10500.0 vagon 185.0 Diesel yes 2011 Megane front
8 Mercedes-Benz 21500.0 sedan 146.0 Gas yes 2012 E-Class rear
9 Mercedes-Benz 21500.0 sedan 146.0 Gas yes 2012 E-Class NaN
10 Toyota 1280.0 compact 200.0 Hybrid yes 2009 Prius NaN
11 Toyota 2005.0 compact 134.0 Gas yes 2003 Corolla front
12 Ferrari 300000.0 sport 123.0 Gas yes 1988 Testarossa NaN
创建一个数据框，以显示每个
drive / car组合的model功能的模式。如果汽车/模型组合没有模式（例如，丰田普锐斯所在的行），则填写该特定汽车品牌（丰田）的模式。
但是，如果汽车品牌本身（例如本例中的Ferrari）没有模式，我将为
drive功能填充数据集的模式。def get_drive_mode(x):
brand = x.name[0]
if x.count() > 0:
return x.mode() # Return mode for a brand/model if the mode exists.
elif carsale.groupby(['car'])['drive'].count()[brand] > 0:
brand_mode = carsale.groupby(['car'])['drive'].apply(lambda x: x.mode())[brand]
return brand_mode # Return mode of brand if particular brand/model combo has no mode,
else: # but brand itself has a mode for the 'drive' feature.
return carsale['drive'].mode() # Otherwise return dataset's mode for the 'drive' feature.
drive_modes = carsale.groupby(['car','model'])['drive'].apply(get_drive_mode).reset_index().drop('level_2', axis=1)
drive_modes.rename(columns={'drive': 'drive_mode'}, inplace=True)
drive_modes
car model drive_mode
0 Ferrari Testarossa front
1 Ford Kuga full
2 Honda Accord front
3 Mercedes-Benz B 180 front
4 Mercedes-Benz CL 550 rear
5 Mercedes-Benz E-Class rear
6 Nissan X-Trail full
7 Renault Megane front
8 Toyota Corolla front
9 Toyota Prius front
编写一种方法，如果给定行中的
drive值为NaN，则在给定行中查找给定汽车/型号的drive模式值：def fill_with_mode(x):
if pd.isnull(x['drive']):
return drive_modes[(drive_modes['car'] == x['car']) & (drive_modes['model'] == x['model'])]['drive_mode'].values[0]
else:
return x['drive']
将以上方法应用于
carsale数据框中的行，以创建driveT功能：carsale['driveT'] = carsale.apply(fill_with_mode, axis=1)
del(drive_modes)
结果为以下数据框：
carsale
car price body mileage engType registration year model drive driveT
0 Ford 15500.0 crossover 68.0 Gas yes 2010 Kuga full full
1 Mercedes-Benz 20500.0 sedan 173.0 Gas yes 2011 E-Class rear rear
2 Mercedes-Benz 35000.0 other 135.0 Petrol yes 2008 CL 550 rear rear
3 Mercedes-Benz 17800.0 van 162.0 Diesel yes 2012 B 180 front front
4 Mercedes-Benz 33000.0 vagon 91.0 NaN yes 2013 E-Class NaN rear
5 Nissan 16600.0 crossover 83.0 Petrol yes 2013 X-Trail full full
6 Honda 6500.0 sedan 199.0 Petrol yes 2003 Accord front front
7 Renault 10500.0 vagon 185.0 Diesel yes 2011 Megane front front
8 Mercedes-Benz 21500.0 sedan 146.0 Gas yes 2012 E-Class rear rear
9 Mercedes-Benz 21500.0 sedan 146.0 Gas yes 2012 E-Class NaN rear
10 Toyota 1280.0 compact 200.0 Hybrid yes 2009 Prius NaN front
11 Toyota 2005.0 compact 134.0 Gas yes 2003 Corolla front front
12 Ferrari 300000.0 sport 123.0 Gas yes 1988 Testarossa NaN front
请注意，在
driveT列的第4行和第9行中，drive列中的NaN值已替换为字符串rear，正如我们所期望的那样，它是drive的模式。梅赛德斯E级。另外，在第11行中，由于没有适用于Toyota Prius汽车/模型组合的模式，因此我们填充了Toyota品牌的模式，即
front。最后，在第12行中，由于没有法拉利汽车品牌的模式，因此我们填充整个数据集的
drive列的模式，该列也为front。关于python - 为什么Fillna不能按预期方式工作，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54542355/