python - 根据频率，用列中的随机值填充 DataFrame 的 NaN 值

Question

我正在尝试使用每列的随机数据填充 Pandas 数据帧 NAN，并且随机数据出现在每列中取决于其频率。我有这个:

def MissingRandom(dataframe):
        import random
        dataframe = dataframe.apply(lambda x: x.fillna(
                random.choices(x.value_counts().keys(),
                               weights = list(x.value_counts()))[0]))
    return dataframe

我得到的 DataFrame 填充了随机数据，但它的相同数据用于列中所有缺失的数据。我希望这个数据对于每一个列的缺失都是不同的，但我做不到。谁能帮帮我？

非常感谢

Answer 1

请看下面我的解决方案。首先，我创建了一个根据您的标准(频率作为随机函数中的权重)填充系列的函数，最后，我们将此函数应用于数据帧的所有列:

from collections import Counter
def fillcolumn(ser):
        cna=len(ser[ser.isna()])
        l=ser[ser.notna()]
        d=Counter(l)    
        m=random.choices(list(d.keys()), weights = list(d.values()), k=cna)
        ser[ser.isna()]=m
        return ser
    
for i in df.columns:
    df[i]=fillcolumn(df[i])

您的完整代码:

def MissingRandom(dataframe):
    import random
    from collections import Counter
    def fillcolumn(ser):
        cna=len(ser[ser.isna()])
        l=ser[ser.notna()]
        d=Counter(l)    
        m=random.choices(list(d.keys()), weights = list(d.values()), k=cna)
        ser[ser.isna()]=m
        return ser
        
    for i in dataframe.columns:
        dataframe[i]=fillcolumn(dataframe[i])
    return dataframe