Pandas：如何用groupby的平均值填充空值？

Question

我有一个数据集会丢失一些如下所示的数据：

id    category     value
1     A            NaN
2     B            NaN
3     A            10.5
4     C            NaN
5     A            2.0
6     B            1.0

我需要填写空值才能在模型中使用数据。每次类别第一次出现时都为空。我想做的方法是，对于像categoryA和B这样有多个值的情况，用该类别的平均值替换空值。对于只出现一次的类别C，只需填写其余数据的平均值。

我知道我可以简单地对像C这样的情况执行此操作来获得所有行的平均值，但是我一直在尝试对A和B执行categorywise方法并替换空值。

df['value'] = df['value'].fillna(df['value'].mean()) 

我需要最后的测向像这样

id    category     value
1     A            6.25
2     B            1.0
3     A            10.5
4     C            4.15
5     A            2.0
6     B            1.0

Answer 1

我想你可以把^{}和apply^{}与^{}一起使用。如果某个类别只有NaN个值，则获取NaN，因此使用^{}列的所有值来填充NaN：

df.value = df.groupby('category')['value'].apply(lambda x: x.fillna(x.mean()))
df.value = df.value.fillna(df.value.mean())
print (df)
   id category  value
0   1        A   6.25
1   2        B   1.00
2   3        A  10.50
3   4        C   4.15
4   5        A   2.00
5   6        B   1.00

Answer 2

您还可以使用GroupBy+transform以分组方式填充NaN值。这种方法避免了无效的apply+lambda。例如：

df['value'] = df['value'].fillna(df.groupby('category')['value'].transform('mean'))
df['value'] = df['value'].fillna(df['value'].mean())