使用中值基础特定列值选择的 Python 插补值

Question

我想用我的数据框的中位数来估算一些空白值，如下所示：

ID Salary Position
1  10     VP
2         VP
3  5      VP
4  15     AVP
5  20     AVP
6         AVP

现在必须用职位级别 Median 替换空白工资。例如：ID = 2 的空白工资和作为 VP 的职位应按职位 VP 的中位数 5 进行估算，而 AVP 的相同空白应以类似的方式估算。

我使用了以下代码，但这是在位置级别采用完整的中位数，而不是特定的中位数：

impute_median=df['Salary'].median()
df['Salary']=df['Salary'].fillna(impute_median)

输出应该是这样的：

   ID Salary Position
   1      10     VP
   2      5      VP
   3      5      VP
   4      15     AVP
   5      20     AVP
   6      15     AVP

Answer 1

要填写median，您应该使用：

df['Salary'] = df['Salary'].fillna(df.groupby('Position').Salary.transform('median'))
print(df)
   ID  Salary Position
0   1    10.0       VP
1   2     7.5       VP
2   3     5.0       VP
3   4    15.0      AVP
4   5    20.0      AVP
5   6    17.5      AVP

如果要填写最接近中值（较少）

df['Salary'] = df['Salary'].fillna(df.Salary.sub(df.groupby('Position')
                                    .Salary
                                    .transform('median'))
                           .where(lambda x: x.le(0))
                           .groupby(df['Position'])
                           .transform('idxmax')
                           .map(df['Salary']))
print(df)
0   1    10.0       VP
1   2     5.0       VP
2   3     5.0       VP
3   4    15.0      AVP
4   5    20.0      AVP
5   6    15.0      AVP 

Answer 2

试试这个：

df['Salary']=df.groupby(['Position'])['Salary'].apply(lambda x:x.fillna(x.median()))

本质上，我们在职位上应用一个关于薪水的 groupby，然后用每个组的中位数填充。