如何在Pandas中基于Township列补全zip列的缺失值？

核心思路 #

通过统计每个Township对应的非缺失zip值，用该城镇最具代表性的Zip（比如出现次数最多的众数）填充对应缺失项。

具体实现步骤（Python + Pandas） #

1. 加载数据并定位缺失项

import pandas as pd

# 加载本地的911.csv数据集
df = pd.read_csv('911.csv')

# 筛选出Zip缺失的城镇列表
missing_townships = df[df['zip'].isna()]['Township'].unique()
print("Zip缺失的城镇：", missing_townships)

2. 查看每个缺失城镇的有效Zip分布
   这一步能帮你确认每个城镇对应的Zip值，避免错误填充：

# 按城镇分组，统计每个城镇的Zip值出现频率
township_zip_counts = df.dropna(subset=['zip']).groupby('Township')['zip'].value_counts()

# 打印缺失城镇的Zip分布
for town in missing_townships:
    print(f"\n{town} 对应的Zip值及出现次数：")
    print(township_zip_counts.get(town, "该城镇无有效Zip记录"))

3. 填充缺失的Zip值
   这里用每个城镇的众数Zip（出现次数最多的）进行填充，也可以根据需求改成其他策略（比如全部Zip的列表）：

# 生成城镇到众数Zip的映射字典
township_zip_map = df.dropna(subset=['zip']).groupby('Township')['zip'].agg(lambda x: x.mode()[0])

# 填充缺失值
df['zip'] = df.apply(
    lambda row: township_zip_map[row['Township']] if pd.isna(row['zip']) else row['zip'],
    axis=1
)

# 验证填充结果
print("\n填充后Zip列缺失值数量：", df['zip'].isna().sum())

特殊情况处理 #

如果某个城镇没有任何非缺失的Zip记录，需要手动查找该城镇的官方邮政编码（比如当地邮政局信息），然后手动填充：

# 示例：手动填充某城镇的Zip
df.loc[df['Township'] == '目标城镇名称', 'zip'] = 12345  # 替换为实际Zip

内容的提问来源于stack exchange，提问作者Shenin Francis