我在 Python 中有一個(gè)數(shù)據(jù)框，其中包括個(gè)人在一周內(nèi)使用某些食物的頻率。我想清理我的數(shù)據(jù)框并用每個(gè)人使用的每個(gè)食物類別的中值頻率替換空值。如何用每個(gè)人的每個(gè)食物類別的 meidan 替換空值？user ffq food food-category 1 1 apple fruit 1 3 banana fruit 1 2 tomato vegetables 1 nan carrot vegetables 1 3 potato vegetables 1 nan peach fruit 2 3 apple fruit 2 nan banana fruit 2 2 tomato vegetables 2 nan carrot vegetables 2 3 peach fruit結(jié)果應(yīng)該是這樣的：user ffq food food-category 1 1 apple fruit 1 3 banana fruit 1 2 tomato vegetables 1 **2.5** carrot vegetables 1 3 potato vegetables 1 **2** peach fruit 2 3 apple fruit 2 **3** banana fruit 2 2 tomato vegetables 2 **2** carrot vegetables 2 3 peach fruit如果有人可以提供幫助，我將不勝感激
2 回答
侃侃無極
TA貢獻(xiàn)2051條經(jīng)驗(yàn) 獲得超10個(gè)贊
我猜你想用組的平均值而不是中位數(shù)填充缺失值。我們可以使用.fillna()with.groupby()和.transform()函數(shù)來通過一行代碼完成此操作。首先，讓我們創(chuàng)建包含所需列的 DataFrame。
# Create a DataFrame
df = pd.DataFrame({'user':['1','1','1','1','1','1', '2', '2', '2', '2', '2'],
'ffq':[1, 3, 2, np.nan, 3, np.nan, 3, np.nan, 2, np.nan, 3],
'food-category':['fruit', 'fruit', 'vegetables', 'vegetables',
'vegetables', 'fruit', 'fruit', 'fruit', 'vegetables',
'vegetables', 'fruit']})
我們現(xiàn)在可以使用所需的插補(bǔ)方法填充缺失值，例如均值、中位數(shù)或眾數(shù)。下面的插補(bǔ)是用平均值完成的，以獲得問題中提到的結(jié)果。
# Apply fillna function within each group
df['ffq'] = df.groupby(['user', 'food-category']).transform(lambda x: x.fillna(x.mean()))
user ffq food-category
0 1 1.0 fruit
1 1 3.0 fruit
2 1 2.0 vegetables
3 1 2.5 vegetables
4 1 3.0 vegetables
5 1 2.0 fruit
6 2 3.0 fruit
7 2 3.0 fruit
8 2 2.0 vegetables
9 2 2.0 vegetables
10 2 3.0 fruit
該.transform()方法用于執(zhí)行特定于組的計(jì)算，在這個(gè)例子中是平均值，它返回一個(gè)類似索引的對(duì)象。有關(guān)詳細(xì)信息，請(qǐng)參閱用戶指南。
夢里花落0921
TA貢獻(xiàn)1772條經(jīng)驗(yàn) 獲得超6個(gè)贊
這是你如何做到的。首先，我們需要對(duì)值進(jìn)行排序，以便在使用 groupby 時(shí)它們以正確的順序出現(xiàn)。接下來我們計(jì)算平均值，然后我們需要NaN用我們提取的序列填充 s。
df = df.sort_values(['user','food-category'])
srs = df.dropna().groupby(['user','food-category']).agg({'ffq':'mean'})['ffq']
srs.index = df[df['ffq'].isnull()].index
df['ffq'] = df['ffq'].fillna(value=srs)
結(jié)果
df.sort_index()
user ffq food food-category
0 1 1.0 apple fruit
1 1 3.0 banana fruit
2 1 2.0 tomato vegetables
3 1 2.5 carrot vegetables
4 1 3.0 potato vegetables
5 1 2.0 peach fruit
6 2 3.0 apple fruit
7 2 3.0 banana fruit
8 2 2.0 tomato vegetables
9 2 2.0 carrot vegetables
10 2 3.0 peach fruit
添加回答
舉報(bào)
0/150
提交
取消