尝试使用groupby获取最常见的值并获取索引

Question

我目前正在为学校做一个项目，我遇到了一个小问题。我有一个airbnb数据集，目前我正在尝试用列“容纳”的不同类别的属性类型的最常见值来填充一个名为Property\u type的列上的一些NaN值（这将返回特定airbnb可以容纳多少人）

下面是列的示例

property_type   accommodates

Townhouse         2
Apartment         3
Townhouse         4
Townhouse         2
NaN               3
Townhouse         2
House             3
...               ...

在本例中，我想做的是找到最常见的属性类型，它可以容纳3个人，并用该类型的属性填充NaN值

我的问题是获取最常见的值（我知道以后要做什么，但这一步不起作用）

我试图用这段代码找到最常见的值

property_type_mode = airbnb[['property_type','accommodates']].groupby(['accommodates']).agg(lambda x:x.value_counts().index[0])

返回错误：

IndexError: index 0 is out of bounds for axis 0 with size 0

我不明白为什么，因为我在其他专栏里也做过类似的事情，而且很管用

有人知道我能做什么来解决吗

谢谢你抽出时间

Answer 1

我认为返回的索引数组是空的（一个原因是缺少值），所以选择返回错误。解决方案是将next与iter一起使用，如果不匹配，则可能增加值：

f = lambda x: next(iter(x.value_counts().index), 'no match')
s = airbnb.groupby('accommodates')['property_type'].agg(f)

airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))

另一个解决方案是使用^{}

f = lambda x: x.value_counts().index[0]
s = airbnb.dropna(subset=['accommodates']).groupby('accommodates')['property_type'].agg(f)

airbnb['property_type'] = airbnb['property_type'].fillna(airbnb['accommodates'].map(s))