基於條件切片更改熊貓數據框中的單元格

Question

我正在玩泰坦尼克號數據集，我想要做的是填寫Age列的所有NaN/Null值，其中值基於Pclass。

下面是一些數據：

train 

PassengerId Pclass Age 
0 1 3 22 
1 2 1 35 
2 3 3 26 
3 4 1 35 
4 5 3 35 
5 6 1 NaN 
6 7 1 54 
7 8 3 2 
8 9 3 27 
9 10 2 14 
10 11 1 Nan 

這裏是我想和落得什麼：

PassengerId Pclass Age 
0 1 3 22 
1 2 1 35 
2 3 3 26 
3 4 1 35 
4 5 3 35 
5 6 1 35 
6 7 1 54 
7 8 3 2 
8 9 3 27 
9 10 2 14 
10 11 1 35 

我想出的第一件事情是這樣的 - 在簡潔的利益，我Pclass只包括一個等於1而不包括2和3的切片：

Pclass_1 = train['Pclass']==1 

train[Pclass_1]['Age'].fillna(train[train['Pclass']==1]['Age'].median(), inplace=True) 

據我所知，這種方法創建一個視圖，而不是編輯train本身（我不太明白這與副本有什麼不同，或者如果他們在記憶方面是類似的 - 那是我會喜歡的聽到如果可能）。我特別喜歡關於主題View vs Copy, How Do I Tell?的Q/A，但它不包括我正在尋找的洞察力。

翻閱熊貓文檔，我瞭解了爲什麼你想用.loc來避免這個陷阱。然而，我似乎無法得到正確的語法。

Pclass_1 = train.loc[:,['Pclass']==1] 

Pclass_1.Age.fillna(train[train['Pclass']==1]['Age'].median(),inplace=True) 

我迷失在指數中。這最終會尋找一個名爲False的列，這個列顯然不存在。如果沒有鏈接索引，我不知道如何做到這一點。 train.loc[:,train['Pclass']==1]返回異常IndexingError: Unalignable boolean Series key provided。

Answer 1

在線路的這一部分，

train.loc[:,['Pclass']==1] 

部分['Pclass'] == 1被列表['Pclass']比較值1，它返回False。然後.loc[]被評估爲導致錯誤的.loc[:,False]。

我想你的意思：

train.loc[train['Pclass']==1] 

將選擇所有行的其中Pclass是1.本修正錯誤，但它仍然給你「SettingWithCopyWarning」。

EDIT 1

（舊代碼移除）

下面是一個使用groupby與transform創建包含中值Age每個Pclass一個Series 的方法。然後使用Series作爲fillna()的參數以用中位數代替缺失值。使用這種方法將同時修正所有乘客類別，這是OP最初要求的。該解決方案來自答案Python-pandas Replace NA with the median or mean of a group in dataframe

import pandas as pd 
from io import StringIO 

tbl = """PassengerId Pclass Age 
0 1 3 22 
1 2 1 35 
2 3 3 26 
3 4 1 35 
4 5 3 35 
5 6 1 
6 7 1 54 
7 8 3 2 
8 9 3 27 
9 10 2 14 
10 11 1 
""" 

train = pd.read_table(StringIO(tbl), sep='\s+') 
print('Original:\n', train) 
median_age = train.groupby('Pclass')['Age'].transform('median') #median Ages for all groups 
train['Age'].fillna(median_age, inplace=True) 
print('\nNaNs replaced with median:\n', train) 

的代碼產生：

Original: 
    PassengerId Pclass Age 
0    1  3 22.0 
1    2  1 35.0 
2    3  3 26.0 
3    4  1 35.0 
4    5  3 35.0 
5    6  1 NaN 
6    7  1 54.0 
7    8  3 2.0 
8    9  3 27.0 
9   10  2 14.0 
10   11  1 NaN 

NaNs replaced with median: 
    PassengerId Pclass Age 
0    1  3 22.0 
1    2  1 35.0 
2    3  3 26.0 
3    4  1 35.0 
4    5  3 35.0 
5    6  1 35.0 
6    7  1 54.0 
7    8  3 2.0 
8    9  3 27.0 
9   10  2 14.0 
10   11  1 35.0 

有一點需要注意的是，這條線，它採用inplace=True：

train['Age'].fillna(median_age, inplace=True) 

可以替換分配使用.loc：

train.loc[:,'Age'] = train['Age'].fillna(median_age)