Python Pandas - 用模式填充缺失的列值

众数是一组值中出现次数最多的值。使用该fillna()方法并设置模式以使用模式填充缺失的列。首先，让我们使用各自的别名导入所需的库 -

import pandas as pd
import numpy as np

创建一个包含 2 列的 DataFrame。我们已经使用 Numpy np.NaN设置了 NaN 值-

dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

使用 NaN 查找列值的模式，即此处的单位列。将 NaN 替换为它所在的列的模式，mode()在 Units 列上使用 -

dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

示例

以下是完整的代码 -

import pandas as pd
import numpy as np

# 创建数据帧
dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

print"DataFrame ...\n",dataFrame

# 使用 NaN 查找列值的模式，即，对于此处的 Units 列
# 用它所在列的模式替换 NaNs
dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

print"\nUpdated Dataframe after filling NaN values with mode...\n",dataFrame

这将产生以下输出 -

DataFrame ...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus     NaN
3  Mustang    80.0
4  Bentley     NaN
5  Mustang     NaN

Updated Dataframe after filling NaN values with mode...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus    80.0
3  Mustang    80.0
4  Bentley    80.0
5  Mustang    80.0