根據其他列在一列中填充 nan 值

Question

我正在處理一個包含平均結婚年齡的數據集。 在這個數據集上，我正在做數據清理工作。 在執行此過程時，我遇到了一個功能，我必須在位置列中填寫“NaN”值。 但是在位置列中有多個唯一值，我想在位置中填充 nan 值。 我需要一些關於如何在具有許多唯一值的列中填充這些 Nan 值的建議。

我已附上數據集以供參考， DataSet

Answer 1

我建議分 3 個步驟進行：

1. 用最常見的位置或單獨的值“未知”填充位置的缺失值；
2. 用該特征按位置的平均值填充“age_of_marriage”的缺失值；
3. 如果“age_of_marriage”還有任何缺失值，請用平均值填充它們。

df = pd.read_csv('https://raw.githubusercontent.com/atharva07/Age-of-marriage/main/age_of_marriage_data.csv', sep=',')
df['location'] = df['location'].fillna('Unknown')
df['age_of_marriage'] = df.groupby(['location'])['age_of_marriage'].apply(lambda x: x.fillna(x.median()))
df['age_of_marriage'] = df['age_of_marriage'].fillna(df['age_of_marriage'].mean())