如何用Pandas一次性将多列的0值替换为对应列的众数？

Python（Pandas）实现 #

如果使用Pandas处理数据集，可以通过以下代码一次性完成批量替换：

import pandas as pd

# 假设你的数据集存储在DataFrame df中
# 方式1：通过列索引筛选col3至col10（索引从0开始，col3对应索引2）
cols_to_process = df.columns[2:10]
# 方式2：直接指定列名（更直观）
# cols_to_process = ['col3', 'col4', 'col5', 'col6', 'col7', 'col8', 'col9', 'col10']

# 计算目标列的众数（取第一个众数，应对多众数场景）
col_modes = df[cols_to_process].mode().iloc[0]

# 批量替换0值为对应列的众数
df[cols_to_process] = df[cols_to_process].replace(0, col_modes)

代码说明：

• df[cols_to_process].mode().iloc[0]：计算每列的众数，mode()返回包含众数的DataFrame，iloc[0]取第一行作为各列的众数取值（若某列存在多个众数，默认选第一个）。
• replace(0, col_modes)：Pandas会自动匹配列名，将对应列中的0值替换为该列的众数。

R语言实现 #

如果使用R处理数据集，结合dplyr可以实现批量替换：

library(dplyr)

# 定义需要处理的列名
cols_to_process <- paste0("col", 3:10)

# 自定义众数计算函数（仅计算非0值的众数）
get_mode <- function(x) {
  non_zero_vals <- x[x != 0]
  u_vals <- unique(non_zero_vals)
  u_vals[which.max(tabulate(match(non_zero_vals, u_vals)))]
}

# 批量替换0值
df <- df %>%
  mutate(across(all_of(cols_to_process), ~ ifelse(.x == 0, get_mode(.x), .x)))

代码说明：

• across(all_of(cols_to_process), ...)：批量遍历指定列，对每列执行替换逻辑。
• get_mode函数：先过滤掉列中的0值，再计算剩余值的众数，确保替换值是有效数据的众数。

内容的提问来源于stack exchange，提问作者Encipher