本文介绍了使用最频繁的值按组填充缺失的值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我正在尝试使用一个组的pandas模块使用最频繁的值来计算缺失值。在查看了一些关于堆栈溢出的帖子后，我设法做到了这一点：
import numpy as np
import pandas as pd
df = pd.DataFrame({"group": ["A", "A", "A", "A", "B", "B", "B"],
"value": [1, 1, 1, np.nan, 2, np.nan, np.nan]})
df.groupby("group").transform(lambda x: x.fillna(x.mode().iloc[0]))
df1 = pd.DataFrame({"group": ["A", "A", "A", "A", "B", "B", "B"],
"value": [1, 1, 1, np.nan, np.nan, np.nan, np.nan]})
df1.groupby("group").transform(lambda x: x.fillna(x.mode().iloc[0]))
IndexError: single positional indexer is out-of-bounds。我希望正常的行为是保留np.nan，因为如果您运行方法mode，比如说，group"；B"；fromdf1：
df1[df1.group == "B"].mode()
我会得到NaN是最常见的值。如何避免此问题？
推荐答案
运行上面的代码将提示IndexError：单一位置索引器越界
这是因为transform将每一列作为系列传递，并且在某个时刻它将单独看到value列；如果您这样做：
df1[df1.group == "B"].value.mode()
您将获得
Series([], dtype: float64)
因此，索引越界错误，因为它为空，iloc[0]不存在。
OTOH，当您这样做时：
df1[df1.group == "B"].mode()
mode是在数据帧而不是序列上计算的， pandas 决定在全NaN列，即这里的value列上给出NaN。
因此，一种补救方法是使用apply而不是transform将数据帧而不是单个系列传递给lambda：
df1.groupby("group").apply(lambda x: x.fillna(x.mode().iloc[0])).reset_index(drop=True)
获取
group value
0 A 1.0
1 A 1.0
2 A 1.0
3 A 1.0
4 B NaN
5 B NaN
6 B NaN
这篇关于使用最频繁的值按组填充缺失的值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！