如何在其他列满足特定条件的情况下替换 NaN 值？

Question

我正在研究来自 Kaggle 的 titanic 数据集，并试图根据来自其他列的信息替换一列中的 NaN 值。

在我的具体示例中，我试图用男性第一 class 乘客的平均年龄替换男性第一 class 乘客的未知年龄。

我该怎么做？

我已经能够分割数据并替换该新数据帧的空值，但它不会延续到原始数据帧，我不太清楚如何做到这一点。

这是我的代码：

missingage_1stclass_male = pd.DataFrame(
    titanic[
        (titanic['Age'].isnull()) &
        (titanic['Pclass'] == 1) &
        (titanic['Sex'] == 'male')
    ]
)
missingage_1stclass_male.Age.fillna(40.5, inplace=True)

我包含所有值的原始数据框名为 titanic。

Answer 1

您可以按所需的列和填充对数据进行分组，例如

df['age'] = df.groupby(['pclass', 'sex']).age.apply(lambda x: x.fillna(x.mean()))

编辑：仅填充特定行的空值

df.loc[((df.pclass == 1) & (df.sex == 'male') & (df.age.isnull())) , 'age'] = df.loc[((df.pclass == 1) & (df.sex == 'male') ) , 'age'].mean()

Answer 2

我认为 .fillna() 可以帮助您解决这个问题

这里有一个如何使用的例子：

>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0],
...                    [3, 4, np.nan, 1],
...                    [np.nan, np.nan, np.nan, 5],
...                    [np.nan, 3, np.nan, 4]],
...                    columns=list('ABCD'))
>>> df
     A    B   C  D
0  NaN  2.0 NaN  0
1  3.0  4.0 NaN  1
2  NaN  NaN NaN  5
3  NaN  3.0 NaN  4

>>> df.fillna(0)
A   B   C   D
0   0.0 2.0 0.0 0
1   3.0 4.0 0.0 1
2   0.0 0.0 0.0 5
3   0.0 3.0 0.0 4

Answer 3

您可以简单地 select 列满足特定条件的行，然后根据需要进行替换。

df[df['Pclass'] == 1 & df['Sex'] == 'male'].fillna(df['age'].mean())

Answer 4

I am trying to replace the unknown age of male, 1st class passengers with the average age of male, 1st class passengers.

您可以将问题分为 2 个步骤。首先计算男性，第1class位乘客的平均年龄：

mask = (df['Pclass'] == 1) & (df['Sex'] == 'male')
avg_filler = df.loc[mask, 'Age'].mean()

然后更新满足您条件的值：

df.loc[df['Age'].isnull() & mask, 'Age'] = avg_filler

如何在其他列满足特定条件的情况下替换 NaN 值？

How to replace NaN values where the other columns meet a certain criteria?

python

pandas

kaggle