如何用每组中出现频率最高的值填充 DataFrame 中的缺失值？

Question

我有一个包含两列的 pandas DataFrame：toy 和 color。 color 列包含缺失值。

如何使用特定 toy 最常见的 color 填充缺失的 color 值？

下面是创建示例数据集的代码：

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'toy':['car'] * 4 + ['train'] * 5 + ['ball'] * 3 + ['truck'],
    'color':['red', 'blue', 'blue', np.nan, 'green', np.nan,
             'red', 'red', np.nan, 'blue', 'red', np.nan, 'green']
    })

这是示例数据集：

      toy  color
0     car    red
1     car   blue
2     car   blue
3     car    NaN
4   train  green
5   train    NaN
6   train    red
7   train    red
8   train    NaN
9    ball   blue
10   ball    red
11   ball    NaN
12  truck  green

这是想要的结果：

将 第一个 NaN 替换为 blue，因为这是汽车最常见的 color。
将第二个和第三个 NaN 替换为 red，因为这是火车最常见的 color。
用 blue 或 red 替换 fourth NaN，因为它们与最常见的 color 并列球.

关于真实数据集的注释：

有许多不同的 toy 类型（不只是四种）。
没有 toy 类型只有 color 的缺失值，因此答案不需要处理这种情况。

This question是有关系的，但是没有回答我如何用出现频率最高的值来填充缺失值的问题。

Answer 1

您可以使用groupby()+transform()+fillna():

df['color']=df['color'].fillna(df.groupby('toy')['color'].transform(lambda x:x.mode().iat[0]))

或

如果想在有 2 个或更多频繁值时 select 随机值：

from random import choice

df['color']=df['color'].fillna(df.groupby('toy')['color'].transform(lambda x:choice(x.mode())))

Answer 2

您想 fillna 与 mode:

df["color"] = df.groupby("toy")["color"].apply(lambda x: x.fillna(x.mode().iat[0]))

如何用每组中出现频率最高的值填充 DataFrame 中的缺失值？

How to fill missing values in a DataFrame with the most frequent value of each group?

python

missing-data

dataframe

pandas