如何用模式/平均值估算熊猫数据框中的整个缺失值？答案

【问题标题】：How to impute entire missing values in pandas dataframe with mode/mean?如何用模式/平均值估算熊猫数据框中的整个缺失值？
【发布时间】：2021-06-08 11:14:20
【问题描述】：

我知道下面的每一列分别填充的代码

data['Native Country'].fillna(data['Native Country'].mode(), inplace=True)

但我正在处理一个有 50 行的数据集，并且需要估算 20 个分类值。是否有用于估算整个数据集的单行代码？？

【问题讨论】：

标签： python pandas mode imputation

【解决方案1】：

使用DataFrame.fillna 和DataFrame.mode 并选择第一行，因为如果返回相同的最大出现次数，所有值：

data = pd.DataFrame({
        'A':list('abcdef'),
         'col1':[4,5,4,5,5,4],
         'col2':[np.nan,8,3,3,2,3],
         'col3':[3,3,5,5,np.nan,np.nan],
         'E':[5,3,6,9,2,4],
         'F':list('aaabbb')
})

cols = ['col1','col2','col3']

print (data[cols].mode())
   col1  col2  col3
0     4   3.0   3.0
1     5   NaN   5.0

data[cols] = data[cols].fillna(data[cols].mode().iloc[0])
    
print (data)
   A  col1  col2  col3  E  F
0  a     4   3.0   3.0  5  a
1  b     5   8.0   3.0  3  a
2  c     4   3.0   5.0  6  a
3  d     5   3.0   5.0  9  b
4  e     5   2.0   3.0  2  b
5  f     4   3.0   3.0  4  b

【讨论】：

您能解释一下我们为什么使用 iloc[0] 吗？
@AntonyJoy - 如果检查print (data[cols].mode())，则col1 和col3 的列有多种模式（因为这里是col1 中的3 次4、5 和@987654330 中的2 次4,5 @什么是最大计数），并且只需要替换一个值，所以使用第一个值。