首页 文章

如何根据大熊猫中最高出现的组合填写值？

提问于
浏览 次
2

我有一个巨大的df看起来像这样 -

...   ||    City     ||  Country
           Newyork        USA
           Newyork        USA
           Newyork        USA
           Newyork        **unknown**
           delhi          india
           delhi          **unknown**
           delhi          india

现在，我想根据已经匹配的城市填写正确国家的未知数 . 例如，大多数具有newyork的行在country列中都是USA .

我的想法是按国家分组并将其转换成字典来映射，但那种失败 .

这是一个类比问题，但解决方案是在R：基于发生概率填充缺失值

python pandas numpy

2 回答

  • 2

    您可以将value_counts与第一个索引或第一个值mode一起使用 replace ：

    def f(x):
    #remove '**unknown**' rows and get top1 value
    return x.replace('**unknown**', x[x.ne('**unknown**')].value_counts().index[0])
    #return x.replace('**unknown**', x[x.ne('**unknown**')].mode().iat[0])

df['Country'] = df.groupby('City')['Country'].apply(f)
print (df)
      City Country
0  Newyork     USA
1  Newyork     USA
2  Newyork     USA
3  Newyork     USA
4    delhi   india
5    delhi   india
6    delhi   india

    另一个解决方案是将 **unknown** 替换为缺失值，获取最高值和fillna：

    df['Country'] = df['Country'].replace('**unknown**', np.nan)

s = df.groupby('City')['Country'].transform(lambda x: x.value_counts().index[0])
#alternative
#s = df.groupby('City')['Country'].transform(lambda x: x.mode().iat[0])
df['Country'] = df['Country'].fillna(s)
print (df)
      City Country
0  Newyork     USA
1  Newyork     USA
2  Newyork     USA
3  Newyork     USA
4    delhi   india
5    delhi   india
6    delhi   india
    回复于
  • 2

    一个简单的解决方案，使用 collections.Counter 根据 groupby('City') 为 '**unknown**' 字段查找最常见的 Country .

    from collections import Counter
def MC(a):
    return a.replace('**unknown**', Counter(a).most_common()[0][0])

df.Country = df.groupby('City').Country.apply(MC)
print(df)

#      City Country
# 0  Newyork     USA
# 1  Newyork     USA
# 2  Newyork     USA
# 3  Newyork     USA
# 4    delhi   india
# 5    delhi   india
# 6    delhi   india
    回复于

相关问题