熊猫：估算 NaN

Question

我有一个不完整的数据框incomplete_df，如下所示。我想用对应的id 的平均amount 估算缺失的amounts。如果特定 id 的平均值本身是 NaN（请参阅 id=4），我想使用整体平均值。

以下是示例数据和我非常低效的解决方案：

import pandas as pd
import numpy as np
incomplete_df = pd.DataFrame({'id': [1,2,3,2,2,3,1,1,1,2,4],
                              'type': ['one', 'one', 'two', 'three', 'two', 'three', 'one', 'two', 'one', 'three','one'],
                         'amount': [345,928,np.NAN,645,113,942,np.NAN,539,np.NAN,814,np.NAN] 
                         }, columns=['id','type','amount'])

# Forrest Gump Solution
for idx in incomplete_df.index[np.isnan(incomplete_df.amount)]: # loop through all rows with amount = NaN
    cur_id = incomplete_df.loc[idx, 'id']
    if (cur_id in means.index ):
        incomplete_df.loc[idx, 'amount'] = means.loc[cur_id]['amount'] # average amount of that specific id.
    else:
        incomplete_df.loc[idx, 'amount'] = np.mean(means.amount) # average amount across all id's

实现这一目标的最快和最 Pythonic/pandonic 的方法是什么？

Answer 1

免责声明：我对最快的解决方案并不真正感兴趣，但对最平易近人的解决方案并不感兴趣。

在这里，我认为应该是这样的：

>>> df["amount"].fillna(df.groupby("id")["amount"].transform("mean"), inplace=True)
>>> df["amount"].fillna(df["amount"].mean(), inplace=True)

产生

>>> df
    id   type  amount
0    1    one   345.0
1    2    one   928.0
2    3    two   942.0
3    2  three   645.0
4    2    two   113.0
5    3  three   942.0
6    1    one   442.0
7    1    two   539.0
8    1    one   442.0
9    2  three   814.0
10   4    one   615.2

[11 rows x 3 columns]

有很多明显的调整，具体取决于您希望链式插补过程如何进行。