Python 2.7 熊猫：根据现有值的分布填充要填充的NA值

我有一个pandas数据框，其中一列

sign-up

有多个空值。

注册

列具有分类值，包括多个

操作系统

，如

iOS

、

android

、

web

等。 我想从现有的

OS

值中填充

NA

值，但NA值应按照

OS

值的现有分布进行填充

例如： 比如说，数据集的OS值计数分布如下：

signup
android web    14
ios web        16
mac            5
other          3
windows        6
Name: id, dtype: int64

b = df.groupby('signup')['value'].first()[df['signup']]

b = pd.DataFrame(df.groupby('signup')['value'].first()[df['signup']],columns=['value']).reset_index()
b.rename({1:'value'})

我想根据上述不同OS值的分布填充NA值。我想做的原因是保持当前分布，因为填充

模式

值可能会扭曲结果。

---

有人能帮你实现这一点吗。

你可以使用类似Numpy的东西

从符合您描述的框架开始

import numpy as np
import pandas as pd

print(df)
    id   signup
0    1      mac
1    2      mac
2    3      mac
3    4    other
4    5    other
5    6  windows
6    7  windows
7    8  windows
8    9  windows
9   10      NaN
10  11      NaN
11  12      NaN
12  13      NaN
13  14      NaN

使用piRSquared在评论中的提示更新了 计算当前的分布

s = df.signup.value_counts(normalize=True)
print(s)
windows    0.444444
mac        0.333333
other      0.222222
Name: signup, dtype: float64

我们将在要更新的NAN旁边使用布尔索引进行过滤。此外，我们通过传递索引（windows、mac、其他）使用随机选择，所需大小和每个注册的分布将用于概率（p）参数

missing = df['signup'].isnull()
df.loc[missing,'signup'] = np.random.choice(s.index, size=len(df[missing]),p=s.values)
print(df)

    id   signup
0    1      mac
1    2      mac
2    3      mac
3    4    other
4    5    other
5    6  windows
6    7  windows
7    8  windows
8    9  windows
9   10  windows
10  11  windows
11  12  mac
12  13  windows
13  14    other

---

首先，我将此作为输入（因为我认为在您的问题中，您错误地命名了我的

值

列

注册

：

        signup  value
0  android web   14.0
1      ios web   16.0
2          mac    5.0
3        other    3.0
4      windows    6.0
5      ios web    NaN
6          mac    NaN
7      windows    NaN

知道了这一点，您的问题可以在一行中解决，如下所示：

signup
android web    14
ios web        16
mac            5
other          3
windows        6
Name: id, dtype: int64

b = df.groupby('signup')['value'].first()[df['signup']]

b = pd.DataFrame(df.groupby('signup')['value'].first()[df['signup']],columns=['value']).reset_index()
b.rename({1:'value'})

请不要认为

b

属于pandas.Series类型

但是，如果希望输出为具有相同列名的数据帧，请按以下步骤进行：

signup
android web    14
ios web        16
mac            5
other          3
windows        6
Name: id, dtype: int64

b = df.groupby('signup')['value'].first()[df['signup']]

b = pd.DataFrame(df.groupby('signup')['value'].first()[df['signup']],columns=['value']).reset_index()
b.rename({1:'value'})

如果您

打印（b）

，它将输出：

        signup  value
0  android web   14.0
1      ios web   16.0
2          mac    5.0
3        other    3.0
4      windows    6.0
5      ios web   16.0
6          mac    5.0
7      windows    6.0

• 查找空值
• 从非空值中采样空值的数量。确保设置

  replace=True

• 将采样值分配给空位置

---

---

似乎我们没有以同样的方式理解这个问题，他的注册栏是带有NaN值的栏？谢谢Bob。这很有帮助。

df.signup.value\u counts（normalize=True）