如何根据熊猫中组合的最高出现次数填写值？

Question

我有一个巨大的 df 看起来像这样 -...   ||    City     ||  Country           Newyork        USA           Newyork        USA           Newyork        USA           Newyork        **unknown**           delhi          india           delhi          **unknown**           delhi          india现在，我想根据已匹配的城市用正确的国家/地区填充未知数。例如，大多数带有 newyork 的行在 country 列中都是 USA。我的想法是按国家/地区分组并将其转换为字典以进行映射，但这种方法失败了。这是一个类似的问题，但解决方案是在 R 中： 根据发生概率填充缺失值

Answer 1

您可以使用每个组的value_counts第一个索引或第一个值：modereplace

def f(x):

    #remove '**unknown**' rows and get top1 value

    return x.replace('**unknown**', x[x.ne('**unknown**')].value_counts().index[0])

    #return x.replace('**unknown**', x[x.ne('**unknown**')].mode().iat[0])

df['Country'] = df.groupby('City')['Country'].apply(f)

print (df)

      City Country

0  Newyork     USA

1  Newyork     USA

2  Newyork     USA

3  Newyork     USA

4    delhi   india

5    delhi   india

6    delhi   india

另一种解决方案是替换**unknown**缺失值，获取最高值和fillna：

df['Country'] = df['Country'].replace('**unknown**', np.nan)

s = df.groupby('City')['Country'].transform(lambda x: x.value_counts().index[0])

#alternative

#s = df.groupby('City')['Country'].transform(lambda x: x.mode().iat[0])

df['Country'] = df['Country'].fillna(s)

print (df)

      City Country

0  Newyork     USA

1  Newyork     USA

2  Newyork     USA

3  Newyork     USA

4    delhi   india

5    delhi   india

6    delhi   india