基于Make列的众数填充Model列NaN值的实现与简化方案

问题背景 #

现有数据集存在缺失值，其中Model列有286个缺失值，这些缺失值分布在21个不同的Make类别下。已通过分组计算得到每个Make对应的Model众数，需求是用对应Make的众数填充Model列的NaN值，并简化流程。

A) 用对应Make的Model众数填充NaN值 #

可以先将分组得到的众数转换为Make到Model众数的映射字典，再结合fillna()和map()方法完成填充：

# 先获取Make到Model众数的映射字典
make_model_mode = df.groupby('Make')['Model'].apply(lambda x: x.mode().iat[0]).to_dict()

# 填充Model列的NaN值
df['Model'] = df['Model'].fillna(df['Make'].map(make_model_mode))

如果已生成df1（各Make对应Model众数的列表），也可以直接将其转为字典使用：

make_model_mode = df1.set_index('Make')['Model'].to_dict()
df['Model'] = df['Model'].fillna(df['Make'].map(make_model_mode))

B) 合并众数计算与缺失值填充为一步操作 #

不需要单独生成众数列表，直接用groupby().transform()在填充时实时计算对应分组的众数，一步完成：

df['Model'] = df['Model'].fillna(
    df.groupby('Make')['Model'].transform(lambda x: x.mode().iat[0])
)

transform()会为每行返回其所属Make分组的Model众数，直接传递给fillna()即可完成缺失值填充，省去了中间变量的存储步骤。

内容的提问来源于stack exchange，提问作者Juan Vazquez