如何使用'transform”用组均值填充缺失的 DataFrame 值？

使用变换用组均值填充缺失值

在包含缺失值的 DataFrame 中，通常用有意义的值填充它们。一种方法是计算每个组的平均值。

考虑以下 DataFrame：

df = pd.DataFrame({
    "value": [1, np.nan, np.nan, 2, 3, 1, 3, np.nan, 3],
    "name": ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C']
})

目标是用各自“NaN”值中的平均值填充所有“NaN”值

为了实现这一点，我们可以将转换函数与 groupby 操作结合使用。转换函数对每个组应用指定的转换，而 groupby 操作则根据特定列（在本例中为“名称”）将 DataFrame 拆分为组。

解决方案如下：

grouped = df.groupby("name").mean()
df["value"] = df.groupby("name").transform(lambda x: x.fillna(x.mean()))

fillna 函数用指定值（在本例中为平均值）填充缺失值。 lambda 函数确保在填充之前计算每个组的平均值。

生成的 DataFrame 将使用每个组的平均值填充缺失值：

  name  value
0    A      1
1    A      1
2    B      2
3    B      2
4    B      3
5    B      1
6    C      3
7    C      3
8    C      3

以上是如何使用'transform”用组均值填充缺失的 DataFrame 值？的详细内容。更多信息请关注PHP中文网其他相关文章！