如何使用Pandas DataFrame按现有比例插补分类列的缺失值？

当然可以！Pandas完全能轻松实现你的需求——在保留Refferer列已有字符串类别比例的前提下，自动填充所有NaN值，完美维持原数据的分布特征。下面是具体的实现步骤：

• 第一步：先确认现有类别的占比
  首先我们需要提取Refferer列各分类的相对比例，用value_counts(normalize=True)就能直接获取：

  # 计算Refferer列每个类别的占比
  referrer_proportions = df['Refferer'].value_counts(normalize=True)
  # 打印出来确认比例是否符合预期
  print(referrer_proportions)
  

  这个操作会返回每个类别在非缺失数据中的相对频率，也就是你需要的比例基准。

• 第二步：按比例生成填充值并填充
  接下来我们用numpy.random.choice根据刚才得到的比例，生成和缺失值数量匹配的填充值，再把这些值填入对应的NaN单元格：

  import numpy as np
  
  # 定位所有Refferer列缺失值的索引
  missing_indices = df[df['Refferer'].isna()].index
  
  # 按照原类别比例随机抽取对应数量的填充值
  fill_values = np.random.choice(
      referrer_proportions.index,  # 可选的类别列表
      size=len(missing_indices),   # 需要填充的缺失值数量
      p=referrer_proportions.values  # 每个类别的抽取概率（即原比例）
  )
  
  # 将生成的填充值填入缺失位置
  df.loc[missing_indices, 'Refferer'] = fill_values
  

• 第三步：验证填充结果
  填充完成后，你可以再检查一下类别比例，确认和原数据的分布一致（因为是随机抽样，可能会有极微小的误差，但样本量越大越接近原比例）：

  # 查看填充后的类别比例
  print(df['Refferer'].value_counts(normalize=True))
  

这个方法既简单又高效，完全能满足你保留类别比例的要求。

内容的提问来源于stack exchange，提问作者Víctor Mouriño