在条件下用最频繁的数字替换缺失值

问题描述

我正在尝试替换“年龄”列的缺失值，但在此数据的其他列的情况下Titanic - Machine Learning from Disaster

df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)]

我尝试使用 SimpleImputer 做到这一点：

from sklearn.impute import SimpleImputer
Imputer = SimpleImputer(missing_values=np.nan,strategy='most_frequent')

Imputer.fit_transform( pd.DataFrame(df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)]) )

但它不起作用并试图将值保存到列中：

df.loc[(df.Age.isnull()) & (df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)]),'Age'] = Imputer.fit_transform( pd.DataFrame(df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)]) )

但也不起作用。

我尝试使用 fillna()

手动执行此操作

df.loc[(df['Sex'] == 0) & (df['Pclass'] == 1),'Age'].fillna(int(df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)].mode()),inplace=True)

我尝试使用索引来访问行并更新它们的值：

mod = int(df.Age[(df['Sex'] == 0) & (df['Pclass'] == 1)].mode())
indices = df.loc[(df.Age.isnull()) & (df.Sex == 0) & (df.Pclass == 1),'Age'].isnull().index
df.loc[ind,'Age'] = mod
df[(df['Sex'] == 0) & (df['Pclass'] == 1)]['Age'].isnull().sum()

它有效并且输出为：0，但是当我尝试将它应用于 for 循环时，它给了我一个错误

for i in range(1,3):
    for j in range(1,4):    
        indices = df.loc[(df.Sex == i) & (df.Pclass == j),'Age'].isnull().index
        mod = int(df.Age[(df['Sex'] == i) & (df['Pclass'] == j)].mode())
        df.loc[ind,'Age'] = mod

我想知道前两种方式有什么问题，为什么第三种不能循环工作？

解决方法

尝试使用方法板。它采用最近的值。之后，您可以根据其他列的条件删除某些值。

df.fillna(method='pad')

,

这个解决方案效果很好，但我不知道为什么上面不起作用！

Imputer = SimpleImputer(missing_values=np.nan,strategy='most_frequent')
for i in range(2):
    for j in range(1,4):
        ls = np.array(df.Age[((df.Sex==i) & (df.Pclass==j))]).reshape(-1,1)
        df.Age[((df.Sex==i) & (df.Pclass==j))] = Imputer.fit_transform(ls)[:,0]
df.Age.isnull().sum()