在这种情况下，除了循环之外，pandas 中是否有任何更简单的方法来替换空值？

Question

我正在尝试用每个组（分组区域）中的数字模式替换空值。Pandas 中有没有更简单的方法可以做到这一点？

我已经通过循环方法完成了它，不推荐用于非常大的数据集。

data = {'area':['abc', 'abc', 'abc', 'abc','bcd', 'bcd', 'bcd' , 

'cde','cde', 'cde', 'cde', 'cde'], 'number':[1, 2, 2, np.nan, 3, 3, 

np.nan, 5, 5, 4, np.nan, np.nan]}

df = pd.DataFrame(data)

Hell = pd.DataFrame(df.groupby("area")['number'].agg(lambda 

x:x.value_counts().index[0])).reset_index()

import math

for index in range(0,df.shape[0]):   

    if math.isnan(df['number'][index]):

        for i in range(0,Hell.shape[0]):

            if Hell['area'][i] == df['area'][index]:

                df['number'][index] = Hell['number'][i]

Answer 1

使用Series.fillnawithSeries.map替换匹配值 by area：df['number'] = df['number'].fillna(df['area'].map(Hell.set_index('area')['number']))print (df)   area  number0   abc     1.01   abc     2.02   abc     2.03   abc     2.04   bcd     3.05   bcd     3.06   bcd     3.07   cde     5.08   cde     5.09   cde     4.010  cde     5.011  cde     5.0或者将您的解决方案GroupBy.transform用于相同的系列，例如由聚合值填充的原始系列：s = df.groupby("area")['number'].transform(lambda x: x.value_counts().index[0])#alternative#s = df.groupby("area")['number'].transform(lambda x: x.mode().iat[0])df['number'] = df['number'].fillna(s)print (df)   area  number0   abc     1.01   abc     2.02   abc     2.03   abc     2.04   bcd     3.05   bcd     3.06   bcd     3.07   cde     5.08   cde     5.09   cde     4.010  cde     5.011  cde     5.0