如何用对应Item众数及其他列众数填充DataFrame缺失值？

实现思路 #

先按Item分组计算每个组内City的众数，用该众数填充对应组内的缺失值；对于像Item=F这类组内无有效值的情况，再用整个City列的全局众数填充剩余缺失值。

具体代码实现 #

首先构造示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Item': ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D', 'C', 'C', 'E', 'E', 'E', 'F', 'F'],
    'City': ['Paris', np.nan, 'Rome', 'London', 'Paris', 'Berlin', np.nan, 'London', 'Rome', 'London', np.nan, 'London', 'Paris', np.nan, np.nan]
})

然后执行填充操作：

1. 计算每个Item分组的City众数，处理可能的多众数情况（取第一个）：

item_mode = df.groupby('Item')['City'].agg(lambda x: x.mode().iloc[0] if not x.mode().empty else np.nan)

2. 计算整个City列的全局众数：

global_mode = df['City'].mode().iloc[0]

3. 先按分组众数填充缺失值，再用全局众数填充剩余缺失值：

# 第一步：用分组众数填充对应组的缺失值
df['City'] = df.apply(lambda row: item_mode[row['Item']] if pd.isna(row['City']) else row['City'], axis=1)
# 第二步：用全局众数填充分组无有效值的剩余缺失值
df['City'] = df['City'].fillna(global_mode)

结果验证 #

处理后的DataFrame如下：

其中Item=F的缺失值被全局众数London填充，其他组的缺失值也按对应组的众数完成了填充。

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