如何用每组中最频繁的值填充 DataFrame 中的缺失值？

Question

我有一个带有两列的 pandas DataFrame：toy 和 color。 color 列包含缺失值。

对于特定的toy，如何使用最常见的color 填充缺失的color 值？

这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。
• 将 第四个 NaN 替换为 蓝色或红色，因为它们与最常见的 color 并列。

关于真实数据集的说明：

• 有许多不同的toy 类型（不仅仅是四种）。
• 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 是相关的，但它没有回答我关于如何使用最频繁的值来填充缺失值的问题。

Answer 1

你想fillna 和mode：

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

Answer 2

你可以使用groupby()+transform()+fillna():

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

或

如果要在有 2 个或更多频繁值时选择随机值：

from random import choice

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