对于与给定元组属于同一类的所有示例，是否按属性平均值处理python中缺少的值？

Question

我有一个庞大的住房数据数据库，我需要填写同一类的平均值缺失。例如，在“卧室”一栏中，缺少的数据需要用具有相同/相似大小和价格的房屋的平均卧室来填充。尺寸以平方英尺为单位存储在一个称为“面积”的属性中。面积和价格属性有很多不同的值，所以我有点困惑如何处理这个问题。在python中有一种简单的方法可以做到这一点吗？另外，将区域合并成具有较少不同值的区间，并找出每个区间的平均值是否更合适？你知道吗

以下是示例数据：

location    bedrooms    Size(sq. ft.)   price
abc             7           4500        5.5 Crore 
cde             6           2250        2.1 Crore 
bda             7           4500        4.75 Crore 
abc             NA          4500        4.5 Crore 
abc             5           2250        2.3 Crore 
bda             NA          1350        54 Lakh 
cde             5           1575        1.6 Crore 
bda             NA          2452        3.25 Crore 
bda             3           1260        95 Lakh 
cde             6           2250        2.15 Crore 
abc             8           4500        3.5 Crore

Answer 1

您可以在python中使用groupby和transform方法来获得所需的结果。你知道吗

示例：

d = {'col1': ['a', 'b', 'a', 'a', 'b', 'a'], 'col2': [3, 4, None, 5, None, 7], 'col3':[4,5,6,7,8,6]}
df = pd.DataFrame(data=d)

输出：

  col1  col2  col3
0    a   3.0     4
1    b   4.0     5
2    a   NaN     6
3    a   5.0     7
4    b   NaN     8
5    a   7.0     6

现在使用groupby和transform方法：

df["col2"] = df.groupby("col1").transform(lambda x: x.fillna(x.mean()))

输出

  col1  col2  col3
0    a   3.0     4
1    b   4.0     5
2    a   5.0     6
3    a   5.0     7
4    b   4.0     8
5    a   7.0     6

如您所见，col2中的Nan值被替换为col1中类的平均值。例如，索引2变为5，即（3+5+7）/3，索引4变为4，即4/1。你知道吗

如果您想添加多个列作为“grouper”，只需在groupby方法中传入更多列即可。但是，这些值仅取所有列中值完全相同的值的平均值。在您的情况下，您可以做的是：

df["bedrooms"] = df.groupby(["location","Size(sq. ft.)", "price"]).transform(lambda x: x.fillna(x.mean()))

例如，如果位置是abc，大小是4000，价格是2000，那么这三个值相同的值的所有实例的平均值。但是，如果列具有abc，大小为4000，价格为2001，则不会使用具有相同位置和大小，但价格不同的值的平均值。你知道吗

您需要一个helper列来定义相似性度量，以便使用一系列值的平均值。你知道吗