fillna in Pandas 运行 两次有什么问题？
What's wrong with fillna in Pandas running twice?
我是 Pandas 和 Numpy 的新手。我试图解决 Kaggle | Titanic Dataset。现在我必须修复“Age”和“Embarked”两列，因为它们包含 NAN。
现在我尝试了 fillna 但没有成功，很快发现我缺少 inplace = True。
现在我附加了它们。但是第一个插补成功了，而第二个插补却没有。我尝试在 SO 和 google 中搜索，但没有找到任何有用的东西。请帮助我。
这是我尝试的代码。
# imputing "Age" with mean
titanic_df["Age"].fillna(titanic_df["Age"].mean(), inplace = True)
# imputing "Embarked" with mode
titanic_df["Embarked"].fillna(titanic_df["Embarked"].mode(), inplace = True)
print titanic_df["Age"][titanic_df["Age"].isnull()].size
print titanic_df["Embarked"][titanic_df["Embarked"].isnull()].size
我得到的输出是
0
2
但是我设法在不使用 inplace=True
的情况下得到了我想要的东西
titanic_df["Age"] =titanic_df["Age"].fillna(titanic_df["Age"].mean())
titanic_df["Embarked"] = titanic_df.fillna(titanic_df["Embarked"].mode())
但我很好奇 inplace=True 的 second usage 是怎么回事。
如果我问的问题非常愚蠢，请耐心等待，因为我是全新的，我可能会遗漏一些小问题。任何帮助表示赞赏。提前致谢。
pd.Series.mode return是一个系列。
一个变量只有一个算术平均数和一个中位数，但它可能有多个众数。如果有多个值出现频率最高，就会有多种模式。
pandas 对标签进行操作。
titanic_df.mean()
Out:
PassengerId 446.000000
Survived 0.383838
Pclass 2.308642
Age 29.699118
SibSp 0.523008
Parch 0.381594
Fare 32.204208
dtype: float64
如果我要使用 titanic_df.fillna(titanic_df.mean()) 它将 return 一个新的 DataFrame，其中 PassengerId 列填充 446.0，Survived 列填充 0.38 等等上。
但是，如果我调用 Series 的 mean 方法，returning 值是一个浮点数：
titanic_df['Age'].mean()
Out: 29.69911764705882
此处没有关联的标签。因此，如果我使用 titanic_df.fillna(titanic_df['Age'].mean()) 所有列中的所有缺失值都将填充 29.699.
为什么第一次尝试不成功
您试图用 titanic_df["Embarked"].mode() 填充整个 DataFrame titanic_df。让我们先检查一下输出：
titanic_df["Embarked"].mode()
Out:
0 S
dtype: object
这是一个只有一个元素的系列。索引是 0，值是 S。现在，回想一下如果我们使用 titanic_df.mean() 来填充它是如何工作的：它会用相应的平均值填充每一列。在这里，我们只有一个标签。因此，如果我们有一个名为 0 的列，它只会填充值。尝试添加 df[0] = np.nan 并再次执行您的代码。您会看到新列中填满了 S.
为什么第二次尝试（不）成功
等式的右边，titanic_df.fillna(titanic_df["Embarked"].mode()) return 是一个新的 DataFrame。在这个新的 DataFrame 中，Embarked 列仍然有 nan 的：
titanic_df.fillna(titanic_df["Embarked"].mode())['Embarked'].isnull().sum()
Out: 2
但是你并没有把它赋值给整个DataFrame。您将此 DataFrame 分配给了一个系列 - titanic_df['Embarked']。它实际上并没有填充 Embarked 列中的缺失值，它只是使用了 DataFrame 的索引值。如果您实际检查新列，您会看到数字 1、2...，而不是 S、C 和 Q。
你应该怎么做
您正在尝试用单个值填充单个列。首先，取消该值与其标签的关联：
titanic_df['Embarked'].mode()[0]
Out: 'S'
现在，使用inplace=True或返回结果并不重要。两者
titanic_df['Embarked'] = titanic_df['Embarked'].fillna(titanic_df['Embarked'].mode()[0])
和
titanic_df['Embarked'].fillna(titanic_df['Embarked'].mode()[0], inplace=True)
将用 S 填充 Embarked 列中的缺失值。
当然这是假设如果有多种模式你想使用第一个值。您可能需要在那里改进算法（例如，如果有多种模式，则从值中随机 select）。
我是 Pandas 和 Numpy 的新手。我试图解决 Kaggle | Titanic Dataset。现在我必须修复“Age”和“Embarked”两列，因为它们包含 NAN。
现在我尝试了 fillna 但没有成功，很快发现我缺少 inplace = True。
现在我附加了它们。但是第一个插补成功了，而第二个插补却没有。我尝试在 SO 和 google 中搜索，但没有找到任何有用的东西。请帮助我。
这是我尝试的代码。
# imputing "Age" with mean
titanic_df["Age"].fillna(titanic_df["Age"].mean(), inplace = True)
# imputing "Embarked" with mode
titanic_df["Embarked"].fillna(titanic_df["Embarked"].mode(), inplace = True)
print titanic_df["Age"][titanic_df["Age"].isnull()].size
print titanic_df["Embarked"][titanic_df["Embarked"].isnull()].size
我得到的输出是
0
2
但是我设法在不使用 inplace=True
titanic_df["Age"] =titanic_df["Age"].fillna(titanic_df["Age"].mean())
titanic_df["Embarked"] = titanic_df.fillna(titanic_df["Embarked"].mode())
但我很好奇 inplace=True 的 second usage 是怎么回事。
如果我问的问题非常愚蠢，请耐心等待，因为我是全新的，我可能会遗漏一些小问题。任何帮助表示赞赏。提前致谢。
pd.Series.mode return是一个系列。
一个变量只有一个算术平均数和一个中位数，但它可能有多个众数。如果有多个值出现频率最高，就会有多种模式。
pandas 对标签进行操作。
titanic_df.mean()
Out:
PassengerId 446.000000
Survived 0.383838
Pclass 2.308642
Age 29.699118
SibSp 0.523008
Parch 0.381594
Fare 32.204208
dtype: float64
如果我要使用 titanic_df.fillna(titanic_df.mean()) 它将 return 一个新的 DataFrame，其中 PassengerId 列填充 446.0，Survived 列填充 0.38 等等上。
但是，如果我调用 Series 的 mean 方法，returning 值是一个浮点数：
titanic_df['Age'].mean()
Out: 29.69911764705882
此处没有关联的标签。因此，如果我使用 titanic_df.fillna(titanic_df['Age'].mean()) 所有列中的所有缺失值都将填充 29.699.
为什么第一次尝试不成功
您试图用 titanic_df["Embarked"].mode() 填充整个 DataFrame titanic_df。让我们先检查一下输出：
titanic_df["Embarked"].mode()
Out:
0 S
dtype: object
这是一个只有一个元素的系列。索引是 0，值是 S。现在，回想一下如果我们使用 titanic_df.mean() 来填充它是如何工作的：它会用相应的平均值填充每一列。在这里，我们只有一个标签。因此，如果我们有一个名为 0 的列，它只会填充值。尝试添加 df[0] = np.nan 并再次执行您的代码。您会看到新列中填满了 S.
为什么第二次尝试（不）成功
等式的右边，titanic_df.fillna(titanic_df["Embarked"].mode()) return 是一个新的 DataFrame。在这个新的 DataFrame 中，Embarked 列仍然有 nan 的：
titanic_df.fillna(titanic_df["Embarked"].mode())['Embarked'].isnull().sum()
Out: 2
但是你并没有把它赋值给整个DataFrame。您将此 DataFrame 分配给了一个系列 - titanic_df['Embarked']。它实际上并没有填充 Embarked 列中的缺失值，它只是使用了 DataFrame 的索引值。如果您实际检查新列，您会看到数字 1、2...，而不是 S、C 和 Q。
你应该怎么做
您正在尝试用单个值填充单个列。首先，取消该值与其标签的关联：
titanic_df['Embarked'].mode()[0]
Out: 'S'
现在，使用inplace=True或返回结果并不重要。两者
titanic_df['Embarked'] = titanic_df['Embarked'].fillna(titanic_df['Embarked'].mode()[0])
和
titanic_df['Embarked'].fillna(titanic_df['Embarked'].mode()[0], inplace=True)
将用 S 填充 Embarked 列中的缺失值。
当然这是假设如果有多种模式你想使用第一个值。您可能需要在那里改进算法（例如，如果有多种模式，则从值中随机 select）。