这很难表达。但是,让我向您展示我正在努力实现的目标。
df
Y X
a 10
a 5
a NaN
b 12
b 13
b NaN
c 5
c NaN
c 5
c 6
Y: 10 non-null object
X: 7 non-null int64
从Y列中获取类别“ a”,它具有X值的中位数(10 + 5/2),“ a”的另一个缺失值必须用该中值填充。
同样,对于Y列中的类别“ b”,在X列中的所有不丢失值中,X的中值为(12 + 13/2)
对于Y列中的类别“ c”,在X列中的所有不缺失值中,X的中值为5(中间值)
我使用了很长的重复代码,如下所示。
grouped = df.groupby(['Y'])[['X']]
grouped.agg([np.median])
X
median
Y
a 7.5
b 12.5
c 5
df.X = df.X.fillna(-1)
df.loc[(df['Y'] == 'a') & (df['X'] == -1), 'X'] = 7.5
df.loc[(df['Y'] == 'b') & (df['X'] == -1), 'X'] = 12.5
df.loc[(df['Y'] == 'c') & (df['X'] == -1), 'X'] = 5
有人告诉我,不仅要重复,而且要使用幻数,应避免使用。
我想编写一个函数来有效地进行填充。
最佳答案
使用groupby
和transform
转换看起来像
df.groupby('Y').X.transform('median')
0 7.5
1 7.5
2 7.5
3 12.5
4 12.5
5 12.5
6 5.0
7 5.0
8 5.0
9 5.0
Name: X, dtype: float64
并且它具有与以前相同的索引。因此,我们可以轻松地将其用于
fillna
df.X.fillna(df.groupby('Y').X.transform('median'))
0 10.0
1 5.0
2 7.5
3 12.0
4 13.0
5 12.5
6 5.0
7 5.0
8 5.0
9 6.0
Name: X, dtype: float64
您可以创建数据框的新副本
df.assign(X=df.X.fillna(df.groupby('Y').X.transform('median')))
Y X
0 a 10.0
1 a 5.0
2 a 7.5
3 b 12.0
4 b 13.0
5 b 12.5
6 c 5.0
7 c 5.0
8 c 5.0
9 c 6.0
或适当的
fillna
值df.X.fillna(df.groupby('Y').X.transform('median'), inplace=True)
df
Y X
0 a 10.0
1 a 5.0
2 a 7.5
3 b 12.0
4 b 13.0
5 b 12.5
6 c 5.0
7 c 5.0
8 c 5.0
9 c 6.0