【发布时间】:2014-12-15 16:58:37
【问题描述】:
我想知道是否有一种 Python 方法可以通过从唯一值的分布中随机选择来填充分类数据的空值。基本上根据列中值的现有分布按比例/随机填充分类空值...
-- 下面是我已经在做的一个例子
--为了节省时间,我用数字分类,不知道怎么随机输入字母
import numpy as np
import pandas as pd
np.random.seed([1])
df = pd.DataFrame(np.random.normal(10, 2, 20).round().astype(object))
df.rename(columns = {0 : 'category'}, inplace = True)
df.loc[::5] = np.nan
print df
category
0 NaN
1 12
2 4
3 9
4 12
5 NaN
6 10
7 12
8 13
9 9
10 NaN
11 9
12 10
13 11
14 9
15 NaN
16 10
17 4
18 9
19 9
这就是我当前输入值的方式
df.category.value_counts()
9 6
12 3
10 3
4 2
13 1
11 1
df.category.value_counts()/16
9 0.3750
12 0.1875
10 0.1875
4 0.1250
13 0.0625
11 0.0625
# to fill categorical info based on percentage
category_fill = np.random.choice((9, 12, 10, 4, 13, 11), size = 4, p = (.375, .1875, .1875, .1250, .0625, .0625))
df.loc[df.category.isnull(), "category"] = category_fill
最终输出有效,只是需要一段时间来编写
df.category.value_counts()
9 9
12 4
10 3
4 2
13 1
11 1
是否有更快的方法或可以达到此目的的功能?
感谢您的所有帮助!
【问题讨论】:
标签: python pandas null categorical-data