如何用群體平均值填滿 Pandas 中的缺失值？

以Pandas 中每組的平均值填入缺失值

在這種情況下，您的目標是填入缺失值（ “NaN” ）與“名稱”欄中每個不同組別的平均值。為了實現這一點，您可以將 Pandas 的轉換函數與 fillna 方法結合使用。

讓我們考慮提供的範例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']
})

# Original DataFrame
print(df)

計算每個「名稱」內的平均值group，你可以使用groupby函數：

grouped = df.groupby('name').mean()

但是，grouped是一個包含平均值的DataFrame，我們需要將其套用回原始DataFrame 以填入缺失值。這就是轉換變得有用的地方：

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

這是程式碼的細分：

• df.groupby("name") 按「name」列對DataFrame 進行分組。

• lambda x: x.fillna(x.mean()) 定義一個匿名函數，它接受每個群組（由x 表示）作為輸入並執行以下操作：

  • 它用使用x.mean() 計算的平均值填充缺失值（“NaN”）。
• df["value"] 將原始DataFrame 中的「value」欄位替換為填入缺失值的轉換值

執行程式碼後，產生的DataFrame 將包含所需的填充值：

# Adjusted DataFrame
print(df)

以上是如何用群體平均值填滿 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！