尝试使用 groupby 获取最常见的值并获取 IndexError

Question

我目前正在为学校做一个项目，遇到了一个小问题。我有一个 airbnb 数据集，目前我正在尝试填充名为 Property_type 的列上的一些 NaN 值，其中包含列“容纳”的不同类别的属性类型的最常见值（它返回了多少特定Airbnb可以接受的人）。

这是列的示例

property_type   accommodates

Townhouse         2

Apartment         3

Townhouse         4

Townhouse         2

NaN               3

Townhouse         2

House             3

...               ...

在这种情况下，我想要做的是找到最常见的可容纳 3 人的属性类型，并用该类型的属性填充 NaN 值。

我的问题是获得最常见的值（我知道之后要做什么，但这一步不起作用）

我试图用这段代码找到最常见的值

property_type_mode = airbnb[['property_type','accommodates']].groupby(['accommodates']).agg(lambda x:x.value_counts().index[0])

这将返回错误：

IndexError: index 0 is out of bounds for axis 0 with size 0

我不明白为什么，因为我为其他专栏做过类似的事情并且它有效。

有谁知道我能做些什么来解决它！！

感谢您的时间！！

Answer 1

我认为返回空索引数组（原因之一是缺少值），因此选择返回错误。如果不匹配，解决方案是与可能的附加值next一起iter使用：f = lambda x: next(iter(x.value_counts().index), 'no match')s = airbnb.groupby('accommodates')['property_type'].agg(f)airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))另一种解决方案是使用 dropnaf = lambda x: x.value_counts().index[0]s = airbnb.dropna(subset=['accommodates']).groupby('accommodates')['property_type'].agg(f)airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))