填充 NAs：组中的最小值答案

【问题标题】：Fill NAs : Min of values in group填充 NAs：组中的最小值
【发布时间】：2023-01-18 18:02:53
【问题描述】：

这是我的数据框。

df = pd.DataFrame ( {'CNN': ['iphone 11 63 GB TMO','iphone 11 128 GB ATT','iphone 11 other carrier','iphone 12 256 GB TMO','iphone 12 64 GB TMO','iphone 12 other carrier'], 
                            'Family Name':['iphone 11', 'iphone 11', 'iphone 11', 'iphone 12', 'iphone 12', 'iphone 12'],
                            'Storage': [63, 128,np.nan, 256,64, np.nan]})

Output:

                       CNN Family Name  Storage
0      iphone 11 63 GB TMO   iphone 11     63.0
1     iphone 11 128 GB ATT   iphone 11    128.0
2  iphone 11 other carrier   iphone 11      NaN
3     iphone 12 256 GB TMO   iphone 12    256.0
4      iphone 12 64 GB TMO   iphone 12     64.0
5  iphone 12 other carrier   iphone 12      NaN

我想要实现的是找到 NA。标准是来自组（姓氏）的最小存储量。我试图按 fillna(min()) 分组，但它似乎没有用。

#Tried
df["Storage"] = df.groupby("Family Name").apply(lambda x: x.fillna(x.min()))

这是预期的最终输出。

Expected Output:

                       CNN Family Name  Storage
0      iphone 11 63 GB TMO   iphone 11     63.0
1     iphone 11 128 GB ATT   iphone 11    128.0
2  iphone 11 other carrier   iphone 11     63.0
3     iphone 12 256 GB TMO   iphone 12    256.0
4      iphone 12 64 GB TMO   iphone 12     64.0
5  iphone 12 other carrier   iphone 12     64.0

【问题讨论】：

标签： python pandas fillna

【解决方案1】：

将groupby.transform 与fillna 一起使用：

df['Storage'] = df['Storage'].fillna(df.groupby('Family Name')['Storage'].transform('min'))

或者，groupby.min 和 map 与 boolean indexing 可能更有效，具体取决于 DataFrame 的大小、NaN 的数量（很少）和组的数量：

s = df.groupby('Family Name')['Storage'].min()
m = df['Storage'].isna()
df.loc[m, 'Storage'] = df.loc[m, 'Family Name'].map(s)

输出：

                       CNN Family Name  Storage
0      iphone 11 63 GB TMO   iphone 11     63.0
1     iphone 11 128 GB ATT   iphone 11    128.0
2  iphone 11 other carrier   iphone 11     63.0
3     iphone 12 256 GB TMO   iphone 12    256.0
4      iphone 12 64 GB TMO   iphone 12     64.0
5  iphone 12 other carrier   iphone 12     64.0

【讨论】：

【解决方案2】：

将GroupBy.transform用于与Series.fillna具有相同大小的原始列的系列：

df["Storage"] = df["Storage"].fillna(df.groupby("Family Name")["Storage"].transform('min'))

您的解决方案应该更改：

df["Storage"] = df.groupby("Family Name")["Storage"].transform(lambda x: x.fillna(x.min()))

【讨论】：

Downvote，downvote 的原因是什么？
@mozway - 没关系。

【解决方案3】：

另一种可能的解决方案：

(df.groupby('Family Name', group_keys=True, as_index=False)
 .apply(lambda g: g.sort_values('Storage', ascending=False).ffill().sort_index())
 .reset_index(drop=True))

输出：

                       CNN Family Name  Storage
0      iphone 11 63 GB TMO   iphone 11     63.0
1     iphone 11 128 GB ATT   iphone 11    128.0
2  iphone 11 other carrier   iphone 11     63.0
3     iphone 12 256 GB TMO   iphone 12    256.0
4      iphone 12 64 GB TMO   iphone 12     64.0
5  iphone 12 other carrier   iphone 12     64.0

【讨论】：