对于与给定元组属于同一类的所有示例，是否按属性平均值处理python中缺少的值？

我有一个庞大的住房数据数据库，我需要用同一类的数据来填写缺失的值。例如，在“卧室”一栏中，缺少的数据需要用具有相同/相似大小和价格的房屋的平均卧室来填充。尺寸以平方英尺为单位存储在名为“面积”的属性中。面积和价格属性有很多不同的值，所以我有点困惑如何处理这个问题。在python中有没有一种简单的方法可以做到这一点？此外，是否将区域合并为具有较少不同值的区间，并找到每个区间的平均值更合适

以下是示例数据：

location    bedrooms    Size(sq. ft.)   price
abc             7           4500        5.5 Crore 
cde             6           2250        2.1 Crore 
bda             7           4500        4.75 Crore 
abc             NA          4500        4.5 Crore 
abc             5           2250        2.3 Crore 
bda             NA          1350        54 Lakh 
cde             5           1575        1.6 Crore 
bda             NA          2452        3.25 Crore 
bda             3           1260        95 Lakh 
cde             6           2250        2.15 Crore 
abc             8           4500        3.5 Crore

您可以使用python中的and方法来获得所需的结果

例如：

d = {'col1': ['a', 'b', 'a', 'a', 'b', 'a'], 'col2': [3, 4, None, 5, None, 7], 'col3':[4,5,6,7,8,6]}
df = pd.DataFrame(data=d)

输出：

  col1  col2  col3
0    a   3.0     4
1    b   4.0     5
2    a   NaN     6
3    a   5.0     7
4    b   NaN     8
5    a   7.0     6

现在使用groupby和transform方法：

df["col2"] = df.groupby("col1").transform(lambda x: x.fillna(x.mean()))

输出

  col1  col2  col3
0    a   3.0     4
1    b   4.0     5
2    a   5.0     6
3    a   5.0     7
4    b   4.0     8
5    a   7.0     6

如您所见，col2中的Nan值已替换为col1中类的平均值。例如，指数2变为5，即（3+5+7）/3，指数4变为4，即4/1

如果您的情况是这样的，如果您想添加多个列作为“grouper”，您只需在groupby方法中传入更多列即可。但是，这些值仅取所有列中值完全相同的值的平均值。在您的情况下，您可以做的是：

df["bedrooms"] = df.groupby(["location","Size(sq. ft.)", "price"]).transform(lambda x: x.fillna(x.mean()))

因此，例如，如果位置为abc，大小为4000，价格为2000，则取三个值相同的所有值实例的平均值。但是，如果有一个列具有

abc

，大小为

4000

，价格为

2001

，则它不会使用具有相同位置和大小但价格不同的值的平均值

---

为了使用一系列值的平均值，您需要一个定义相似性度量的helper列

请以数据结构而不是图片的形式共享数据。@balderman我该怎么做？整个数据集相当大，我这样做是为了简单。选择10或20行，作为问题的一部分上传它们。定义“相似”。是否完全匹配？如果指定要在该范围内使用的值的范围，则需要首先确定相似对您意味着什么。@EdekiOkoh有一些公共区域，例如9000平方英尺。对于这些区域，我可以使用精确匹配。然而，有一些罕见的价值，比如9200平方英尺。这些只是少数，我想使用9000平方英尺的平均值，因为这是一个普通的住宅面积。希望这是有道理的。这是一个很好的答案，但是有没有办法在没有熊猫的情况下做到这一点？