用python输入分类数据

【问题标题】：Imputing categorical data with python用python输入分类数据
【发布时间】：2018-12-21 11:27:12
【问题描述】：

有没有办法用该值所属的分类类型的平均值来估算缺失值。例如，如果我有 50 个独特的产品，它们创建了 1000 个样本，其中一个特征是重量。我可以用产品“a”的重量平均值估算产品“a”的重量，用产品“c”的重量平均值估算产品“c”的重量吗？

【问题讨论】：

是的，这是明智之举。您还可以使用在面对异常值时更加稳健的中位数。
如果您的数据分布范围非常大，您可以考虑使用中位数。根据情况，模态类也可能是有效的。您还可以证明从“a”随机抽样并在每个需要插补的值处插入值

【解决方案1】：

如果你使用的是 pandas，你可以试试这样：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "category": ["a", "a", "a", "a", "b", "b", "b", "b"],
    "weight": [1.0, 1.0, np.nan, 2.0, np.nan, 3.0, 3.0, 3.0]
})
print df

df["weight"].fillna(df.groupby("category")["weight"].transform("median"), inplace=True)
print df

原始数据框：

  category  weight
0        a     1.0
1        a     1.0
2        a     NaN
3        a     2.0
4        b     NaN
5        b     3.0
6        b     3.0
7        b     3.0

结果：

  category  weight
0        a     1.0
1        a     1.0
2        a     1.0
3        a     2.0
4        b     3.0
5        b     3.0
6        b     3.0
7        b     3.0

【讨论】：