Python中使用fillna结合mode填充DataFrame字符串列NaN失效问题咨询
代码问题定位
- 嵌套str()的逻辑偏差:代码中
str(df['Response']).mode()直接对Response列的Series对象调用str()转换,会将Series的完整打印文本(包含索引值、逐行内容、末尾的dtype标注)转为一个长字符串,后续的.mode()是对这个长字符串本身计算众数,完全脱离原列的统计逻辑,因此填充时会把这串带换行、带dtype信息的异常文本写入NaN位置。 - 未提取mode()的标量返回值:pandas的
Series.mode()方法返回值为Series类型,而非单个数值。若不提取Series内部的实际值直接传给fillna,pandas会将传入的Series作为索引映射规则执行填充——由于众数生成的Series仅在索引0位置存有'Email'值,原列的NaN分布在索引1、2位置,映射规则无法匹配到对应值,就会出现去掉str()后填充失效、NaN无法被替换的现象。 - 书写层面的疏漏:一是代码中
str(df['Response']).mode())多写了一个右括号;二是定义的变量名为most_frequent_cat,但fillna调用时传入的是缩写后的most_freq_cat,存在拼写不一致问题,容易引发运行错误或逻辑偏差。
正确实现方式
计算列众数时,不对原Series做str()转换,同时通过.iloc[0]从mode()返回的Series中提取频率最高的类目标量值,再直接传给fillna方法完成填充,完整可运行代码如下:
import numpy as np import pandas as pd # 构造示例数据 df = pd.DataFrame({ 'Response': ['Email', np.nan, np.nan, 'Call', 'Email', 'Email'] }) # 提取列的最高频值标量 most_frequent_cat = df['Response'].mode().iloc[0] # 生成填充后的新列 df['Response_imputed'] = df['Response'].fillna(most_frequent_cat)
运行后得到的结果符合预期:
Response Response_imputed 0 Email Email 1 NaN Email 2 NaN Email 3 Call Call 4 Email Email 5 Email Email
内容的提问来源于stack exchange,提问作者Windstorm1981
相关产品推荐
相关产品推荐

