Python中DataFrame多列缺失值处理：指定列与众数填充结合

完整实现代码 #

import pandas as pd
import numpy as np

# 构造示例数据
data = {'a':  [1,1,0,1,1],
        'b': ['a', 'b', np.nan, 'c', np.nan],
        'c': ['b1','b2',np.nan, 'c1', np.nan],
        'd': [1,1,1, 2, np.nan],
        'e': [4,4,4, 3, np.nan]
       }
df = pd.DataFrame(data)

# 1. 用指定值填充a、b、c列的缺失值
fill_specified = {'a':0, 'b':'other', 'c':-1}
df = df.fillna(fill_specified)

# 2. 对剩余列用列众数填充缺失值
other_cols = df.columns.difference(['a', 'b', 'c'])
# 计算每列众数，取第一个众数（处理多众数场景）
mode_values = df[other_cols].mode().iloc[0]
# 批量填充
df = df.fillna(mode_values)

print(df)

运行结果 #

a      b   c    d    e
0  1      a  b1  1.0  4.0
1  1      b  b2  1.0  4.0
2  0  other  -1  1.0  4.0
3  1      c  c1  2.0  3.0
4  1  other  -1  1.0  4.0

步骤说明 #

• 指定值填充目标列：通过fillna()传入字典，精准匹配a、b、c列的缺失值填充规则，和你原有的实现逻辑一致。
• 筛选剩余列并计算众数：用columns.difference()快速获取除a、b、c外的所有列；mode()计算每列众数，由于部分列可能存在多个众数，用iloc[0]取第一个出现的众数作为填充值。
• 批量众数填充：再次调用fillna()，传入众数字典，自动匹配列名完成剩余列的缺失值填充，无需逐个列手动设置。

内容的提问来源于stack exchange，提问作者armin