如何使用群體平均值估算 Pandas 中的缺失值？

Pandas 中組平均值的NaN 插補

使用每組內的平均值填充缺失值是處理表格資料時的一項常見任務。考慮以下帶有缺失值的 DataFrame：

df = pd.DataFrame({'value': [1, np.nan, np.nan, 2, 3, 1, 3, np.nan, 3],
                   'name': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C']})

我們的目標是根據「名稱」欄位用每組的平均值來估算缺失值。

為了實現這個目標，我們可以利用Pandas中的groupby()和transform()函數：

grouped = df.groupby('name').mean()
df["value"] = df.groupby("name").transform(lambda x: x.fillna(x.mean()))

groupby()函數根據'name' 列，mean() 計算每個組別的平均值。 Transform() 函數將此平均值套用於每個組中的每一行，並填入缺失值。

產生的DataFrame：

print(df)

  name  value
0    A      1
1    A      1
2    B      2
3    B      2
4    B      3
5    B      1
6    C      3
7    C      3
8    C      3

解釋：

• mean() 函數產生一個分組的新DataFrame means.
• transform() 函數將fillna()方法應用於每個群組，使用平均值作為填充值。這將使用每個組特定的平均值來填充缺失值。

替代解決方案：

基於組別的缺失值插補的另一種方法是：

impute_cols = ['value']
df[impute_cols] = df[impute_cols].fillna(df.groupby('name')[impute_cols].transform('mean'))

兩種方法都達到相同的結果，但後一種方法在插補多個時提供了更大的靈活性專欄。

以上是如何使用群體平均值估算 Pandas 中的缺失值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！