python - pandas:在(多索引)DataFrame上使用每个组中最常见的值执行 fillna() 的最佳方法是什么？

Question

有一个包含一些 NaN 值的 DataFrame:

df = pd.DataFrame({'A': [1, 1, 1, 1, 2, 2, 2, 2], 'B': [1, 1, np.NaN, 2, 3, np.NaN, 3, 4]})

   A    B
0  1  1.0
1  1  1.0
2  1  NaN <-
3  1  2.0
4  2  3.0
5  2  NaN <-
6  2  3.0
7  2  4.0

将标签“A”设置为索引:

df.set_index(['A'], inplace=True)

现在有两个组，索引分别为 1 和 2:

     B
A     
1  1.0
1  1.0
1  NaN <-
1  2.0
2  3.0
2  NaN <-
2  3.0
2  4.0

使用每组中最频繁值对 DataFrame 执行 fillna() 的最佳方法是什么？

所以，我想做这样的调用:

df.B.fillna(df.groupby('A').B...)

并得到:

     B
A     
1  1.0
1  1.0
1  1.0 <-
1  2.0
2  3.0
2  3.0 <-
2  3.0
2  4.0

我希望有一种方法，它也适用于多索引。

Answer 1

• 按列 A 分组，并将 fillna() 应用于每个组内的 B；
• 从系列中删除缺失值，然后执行 value_counts，使用 idxmax() 选取最常见的值；

假设不存在缺少所有值的组:

df['B'] = df.groupby('A')['B'].transform(lambda x: x.fillna(x.dropna().value_counts().idxmax()))
df