在Pandas中按姓名与地区分组，用mode填充缺失值

以下是使用Python Pandas实现需求的完整方案，重点处理Tom+UK组的缺失值填充：

原始数据集 #

实现步骤 #

1. 加载数据 #

首先将数据集转为Pandas DataFrame：

import pandas as pd
import numpy as np

data = {
    'Name': ['Tom', 'Tom', 'Tom', 'Tom', 'Jack', 'Nihal', 'Tom', 'Tom', 'Tom', 'Tom', 'Tom', 'Sam', 'Sam'],
    'location': ['USA', 'UK', 'USA', 'UK', 'India', 'Africa', 'UK', 'UK', 'UK', 'UK', 'UK', 'UK', 'UK'],
    'Value': [20, np.nan, np.nan, 20, np.nan, 30, np.nan, 20, 30, 20, 30, 30, 30]
}

df = pd.DataFrame(data)

2. 分组填充逻辑 #

定义函数按组计算众数并填充缺失值，处理多众数的情况（取第一个众数）：

def fill_group_mode(group):
    # 获取组内Value的众数，若存在则取第一个，否则保留NaN
    mode = group['Value'].mode()
    fill_val = mode.iloc[0] if not mode.empty else np.nan
    group['Value'] = group['Value'].fillna(fill_val)
    return group

# 按Name和location分组后应用填充
df_filled = df.groupby(['Name', 'location'], group_keys=False).apply(fill_group_mode)

3. 验证Tom+UK组的填充结果 #

查看Tom+UK组的填充后数据：

print(df_filled[(df_filled['Name'] == 'Tom') & (df_filled['location'] == 'UK')])

输出：

Name location  Value
1   Tom       UK   20.0
3   Tom       UK   20.0
6   Tom       UK   20.0
7   Tom       UK   20.0
8   Tom       UK   30.0
9   Tom       UK   20.0
10  Tom       UK   30.0

Tom+UK组中20出现3次，是出现次数最多的值，所有NaN均被填充为20。

4. 完整填充结果 #

print(df_filled)

输出：

Name location  Value
0     Tom      USA   20.0
1     Tom       UK   20.0
2     Tom      USA   20.0
3     Tom       UK   20.0
4    Jack    India    NaN  # 该组无有效数据，无法计算众数
5   Nihal   Africa   30.0
6     Tom       UK   20.0
7     Tom       UK   20.0
8     Tom       UK   30.0
9     Tom       UK   20.0
10    Tom       UK   30.0
11    Sam       UK   30.0
12    Sam       UK   30.0

关键说明 #

• 对于存在多个众数的组，代码默认取第一个众数进行填充；若需要自定义逻辑，可修改fill_group_mode函数。
• 无有效非缺失值的组（如Jack+India），缺失值会保留NaN，因为无法计算众数。

内容的提问来源于stack exchange，提问作者Jack