根据一列的聚合在一列中填充空值

Question

我正在学习一些基本的数据科学，我正在研究泰坦尼克号数据集。“年龄”列具有空值，我想用其他列的平均值填充，例如“Pclass”或“”。

“P舱”是指乘客舱位，根据乘客是否持有1等舱、2等舱或3等舱机票，有三个值（1、2、3）。

我试图通过编写一个函数来概括此过程，该函数采用两个列名，“Age”和我们要用于聚合的列。我想不出如何完全概括这一点，所以现在，假设我基于Pclass进行聚合。

我根据Pclass得到了平均年龄，如下所示：

# Figure out the mean age for each class

mean_age = round(df_train.groupby('Pclass').mean()['Age'])

mean_age

我试图定义如下函数（38，30和25）来自mean_age：

def fill_age(data, col1, col2):

    if data[col1].isnull():

        if data[col2] == 1:

            return 38

        elif data[col2] == 2:

            return 30

        else:

            return 25

    else:

        return data[col1]

并尝试使用 .apply（）：

df_train['Age'] = df_train.apply(fill_age(df_train,'Age','Pclass'), axis = 1)

我在这里犯了什么错误，我该如何思考这个问题来修复它并进一步推广它？

编辑：以下行似乎已经工作，但我需要它来将更改应用于数据帧本身，并且我不能将“就地”与.apply（）一起使用

df_train.groupby('Pclass')['Age'].apply(lambda x: x.fillna(round(x.mean())))

Answer 1

您不应在 中调用函数，而应通过 或 关键字参数传递函数和参数：applyargs=()df['Age'] = df.apply(fill_age, col1='Age', col2='Pclass', axis=1)但是有更好的方法可以通过矢量化来做到这一点：df['Age'] = df['Age'].fillna(df.groupby('Pclass')['Age'].transform('mean'))