如何使用分组众数填充Pandas DataFrame中的缺失值：以玩具-颜色数据集为例

我有一个包含toy（玩具）和color（颜色）两列的pandas DataFrame，其中color列存在缺失值。我想按toy分组，使用每组中出现最频繁的color值填充该组对应的color缺失值。

示例数据集生成代码 #

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'toy':['car'] * 4 + ['train'] * 5 + ['ball'] * 3 + ['truck'],
    'color':['red', 'blue', 'blue', np.nan, 'green', np.nan, 'red', 'red', np.nan, 'blue', 'red', np.nan, 'green']
})

示例数据集 #

期望结果 #

• car组的NaN替换为blue（blue是该组最频繁的颜色）
• train组的两个NaN替换为red（red是该组最频繁的颜色）
• ball组的NaN可以替换为blue或red（二者频次相同）

真实数据集说明 #

数据集中包含多种玩具类型（不止四种），且不存在所有color值均为缺失的玩具类型，无需处理这种极端情况。之前找过相关问题，但都没解决"用最频繁值填充缺失值"的需求。

这里有两种简洁实用的方法可以实现你的需求，我会一步步解释清楚：

方法一：先算分组众数再映射填充 #

首先我们需要为每个玩具分组计算颜色的众数，考虑到可能存在多个众数（比如ball组的blue和red），我们可以取第一个众数作为填充值（完全符合你说的"选任意一个均可"的要求）。

# 计算每组color的众数，取第一个作为该组的填充基准值
toy_color_mode = df.groupby('toy')['color'].agg(lambda x: x.mode()[0])

# 把每个玩具对应的众数映射到原数据，并用它填充color列的缺失值
df['color'] = df['color'].fillna(df['toy'].map(toy_color_mode))

代码拆解 #

1. groupby('toy')['color'].agg(lambda x: x.mode()[0])：按玩具分组后，对每组的颜色列计算众数，x.mode()[0]确保我们取第一个出现的众数（即使有多个）。
2. df['toy'].map(toy_color_mode)：将每个玩具对应的众数匹配到原DataFrame的每一行位置。
3. fillna()：用匹配到的组内众数，精准填充对应组的颜色缺失值。

方法二：用transform一步到位填充 #

如果你想更简洁，transform方法可以直接将分组计算的结果广播回原DataFrame的对应行，省去单独映射的步骤：

df['color'] = df.groupby('toy')['color'].transform(
    lambda x: x.fillna(x.mode()[0])
)

代码拆解 #

groupby('toy')['color'].transform(...)：对每个分组的颜色列执行填充操作，x.fillna(x.mode()[0])就是用当前组的众数填充组内的缺失值，transform会自动把处理后的结果对应回原数据的正确位置，一步完成分组计算+缺失值填充。

额外小技巧 #

如果你的需求是在多众数的情况下随机选一个填充，可以把lambda函数改成：

lambda x: x.fillna(x.mode().sample(1).iloc[0])

这样每次运行都会随机从组内众数里选一个来填充缺失值。

内容的提问来源于stack exchange，提问作者Kevin Markham