如何基于rest_type列随机填充pandas中dish_liked列的NaN值？

实现步骤 #

我们可以用Pandas结合Numpy完成这个需求，核心是先按rest_type分组统计热门菜品，再对每组的NaN值随机填充对应Top5取值：

1. 统计每个分组的Top5热门菜品
   先排除dish_liked列的NaN值，按rest_type分组统计每个菜品的出现频次，取每组频次最高的前5个菜品：

   import pandas as pd
   import numpy as np
   
   # 假设你的数据集名为df
   # 计算每个rest_type对应的Top5菜品列表
   top_dishes = df.groupby('rest_type')['dish_liked'].agg(
       lambda x: x.dropna().value_counts().head(5).index.tolist()
   )
   

   这段代码会生成一个Series，索引是rest_type的各个取值，值为对应组的Top5菜品列表。如果某个组的有效菜品不足5个，会自动取所有存在的菜品作为候选。

2. 定义分组填充函数
   编写函数，对每个分组的dish_liked列NaN值，从该组的Top5列表中随机选择值填充：

   def fill_nan_with_top5(group):
       # 获取当前分组的Top5菜品
       group_top5 = top_dishes[group.name]
       # 填充NaN值：对每个NaN随机选一个Top5菜品
       group['dish_liked'] = group['dish_liked'].fillna(
           lambda _: np.random.choice(group_top5)
       )
       return group
   

3. 应用填充函数到数据集
   按rest_type分组后应用上述函数，完成填充：

   # 得到填充后的数据集
   df_filled = df.groupby('rest_type').apply(fill_nan_with_top5)
   

示例说明 #

比如针对Dessert Parlor组，假设统计出的Top5菜品是['Ice Cream', 'Chocolate Cake', 'Cheesecake', 'Pastry', 'Brownie']，那么该组内所有dish_liked的NaN值都会随机从这5个选项中挑选填充，保证填充值符合该餐厅类型的热门菜品特征。

特殊情况处理 #

如果某个rest_type分组的dish_liked全为NaN，x.dropna().value_counts()会返回空，此时可以在函数中加入兜底逻辑：

def fill_nan_with_top5(group):
    group_top5 = top_dishes.get(group.name, ['Default Dish'])
    if not group_top5:
        group_top5 = ['Default Dish']
    group['dish_liked'] = group['dish_liked'].fillna(
        lambda _: np.random.choice(group_top5)
    )
    return group

内容的提问来源于stack exchange，提问作者Vikas Sharma