从现有数据框 groupby 具有最小值、最大值、平均值和中值的列创建 python 数据框答案

【问题标题】：create a python dataframe from existing dataframe groupby a columns with min, max, mean and median values从现有数据框 groupby 具有最小值、最大值、平均值和中值的列创建 python 数据框
【发布时间】：2018-02-01 17:11:04
【问题描述】：

这就是我的数据框的样子。

A B C
冰固的凯特冰固杰克固体杰克茶液礼来茶固体杰克液体凯特茶液苹果冰液苹果我想用A groupby B的“最常见”值填充A的缺失值
因此，B 列的缺失值将是 ice，其值为 solid，tea 的值为 liquid，基于它们的值分组。
我怎样才能做到这一点。

【问题讨论】：

感谢您发布示例数据。请参阅stackoverflow.com/help/mcve 了解有关发布问题的提示。到目前为止，您尝试过什么代码？输出或错误消息是什么？
比如你能不能试试这个解决方案：stackoverflow.com/questions/42789324/pandas-fillna-mode
@Evan - 我已经编辑了这个问题。我已经尝试过您提到的链接中给出的代码。但它所做的是用列的一个最常见值填充所有 NaN。但我需要的是它应该根据 B 分组的 A 的“最常见”值来填充。

标签： python pandas dataframe missing-data data-extraction

【解决方案1】：

我就是这样解决的。

df['A'] = df.groupby('Outlet_Type').A.transform(lambda x: x.fillna(x.mode()[0]))

【讨论】：