基于排序DataFrame的weather列众数插补：NA填充、非众数替换及平局处理

需求回顾 #

对已按schoolid、grade、date、time_of_day排序的DataFrame stack_2，生成新列weather_mode_imputed：

• 若分组内weather有唯一众数：将组内所有值（包括NA和非众数）替换为该众数
• 若分组内存在多个众数（平局）：组内新列全部设为NA
• 保留原数据排序

代码实现 #

首先导入依赖：

import pandas as pd
import numpy as np

定义分组处理函数：

def process_weather_mode(group):
    # 统计分组内各weather值的出现频次
    freq = group['weather'].value_counts()
    max_freq = freq.max()
    # 筛选出所有达到最高频次的众数
    top_values = freq[freq == max_freq].index.tolist()
    
    if len(top_values) == 1:
        # 唯一众数，全组替换为该值
        group['weather_mode_imputed'] = top_values[0]
    else:
        # 多众数情况，全组设为NA
        group['weather_mode_imputed'] = np.nan
    return group

应用到目标DataFrame：

# 按指定列分组处理，group_keys=False避免分组键干扰原结构
stack_2_imputed = stack_2.groupby(
    ['schoolid', 'grade', 'date', 'time_of_day'],
    group_keys=False
).apply(process_weather_mode)

# 确保排序与原数据完全一致（若分组后索引变动，执行此步骤）
stack_2_imputed = stack_2_imputed.sort_index()

关键说明 #

1. 众数判断逻辑：通过value_counts()直接获取频次，比mode()更直观判断是否存在多个众数（mode()返回所有众数，但需额外处理长度）
2. 排序保留：原数据已按分组键排序，groupby结合group_keys=False处理后，结果会保留原索引；若索引被打乱，sort_index()可快速恢复原排序
3. NA处理：唯一众数场景下，原NA值会自动被替换为众数，无需额外填充操作

内容的提问来源于stack exchange，提问作者katie burford