python - 基于多列条件替换 Pandas 中的 NaN

Question

我希望你做得很好。
我需要帮助在我的数据帧上执行复杂的“NaN 替换”。
根据其他列过滤的其他列值的模式，替换 Pandas 列中的 NaN 值的最佳方法是什么？
让我来说明我的问题:

import random
import numpy as np
import pandas as pd
data = {'Region': [1,1,1,2,2,2,1,2,2,2,2,1,1,1,2,1], 'Country': ['a','a', 'a', 'a', 'a','a', 'a', 'a', 'b', 'b', 'b', 'b','b','b','b','b'], 'GDP' : [100,100,101,105,105,110,np.nan,np.nan,200,200,100,150,100,150,np.nan,np.nan]}
df = pd.DataFrame.from_dict(data)

df:

     Region Country GDP
0        1       a  100.0
1        1       a  100.0
2        1       a  101.0
3        2       a  105.0
4        2       a  105.0
5        2       a  110.0
6        1       a    NaN
7        2       a    NaN
8        2       b  200.0
9        2       b  200.0
10       2       b  100.0
11       1       b  150.0
12       1       b  100.0
13       1       b  150.0
14       2       b    NaN
15       1       b    NaN

I would like to replace the nan values of the GDP column with the mode of other GDP values for the same country and region.

对于索引 6 的 GDP 列的 NaN 值，我希望将其替换为 100(因为它是区域 1 和国家 a 的 GDP 值的模式)
所需的输出应如下所示:

    Region Country  GDP
0        1       a  100
1        1       a  100
2        1       a  101
3        2       a  105
4        2       a  105
5        2       a  110
6        1       a  100
7        2       a  105
8        2       b  200
9        2       b  200
10       2       b  100
11       1       b  150
12       1       b  100
13       1       b  150
14       2       b  200
15       1       b  150 

感谢您的帮助，希望您有美好的一天!

Answer 1

Pandas 的fillna允许填充另一个系列的缺失值。因此，我们需要另一个系列，其中包含每个国家/地区在相应索引处的模式。
要得到这个系列，我们可以使用 Pandas 的 groupby().transform()手术。它将数据帧分组，然后将结果广播回原始形状。
如果我们将这个操作与 mode 一起使用照原样，它会出错。模式可以返回多个值，防止 Pandas 将值广播回原始形状。所以我们需要强制它返回一个值，所以只需选择第一个(或最后一个，或以任何一个)。

df["GDP"].fillna(
    df.groupby(["Country", "Region"])["GDP"].transform(
        lambda x: x.mode()[0]
    )
)