Python中文网 - 问答频道, 解决您学习工作中的Python难题和Bug
Python常见问题
我正在进行泰坦尼克号卡格尔号竞赛，目前我正在尝试估算缺失的Age值
其思想是计算训练集上每个[Pclass, Sex]组的平均Age，然后使用此信息替换训练集和测试集上的NaN
这就是我到目前为止所做的：
meanAgeTrain = train.groupby(['Pclass', 'Sex'])['Age'].transform('mean')
for df in [train, test]:
df['Age'] = df['Age'].fillna(meanAgeTrain)
问题是，这仍然会在测试集中留下一些NaN值，同时在训练集中消除所有NaN。我想这与指数有关
我需要的是：
- 计算训练集中每个P类/性别组的平均值
- 将训练集中的所有NaN值映射到正确的平均值
- 将测试集中的所有NaN值映射到正确的平均值（按Pclass/Sex查找，而不是基于索引）
如何使用熊猫正确地做到这一点
编辑：
谢谢你的建议。@Reza的那个很有效，但我不是100%理解。所以我正试图想出我自己的解决办法
这是可行的，但我对熊猫还不熟悉，我想知道是否有更简单的方法来实现它
trainMeans = self.train.groupby(['Pclass', 'Sex'])['Age'].mean().reset_index()
def f(x):
if x["Age"] == x["Age"]: # not NaN
return x["Age"]
return trainMeans.loc[(trainMeans["Pclass"] == x["Pclass"]) & (trainMeans["Sex"] == x["Sex"])]["Age"].values[0]
self.train['Age'] = self.train.apply(f, axis=1)
self.test['Age'] = self.test.apply(f, axis=1)
尤其是函数中的if在我看来不是一个最佳实践。我需要一种方法将函数仅应用于NaN ages
编辑2：
事实证明，重置索引会使事情变得更加复杂和缓慢，因为在分组后，索引已经是我想要用作映射键的东西了。这会更快更容易：
trainMeans = self.train.groupby(['Pclass', 'Sex'])['Age'].mean()
def f(x):
if not np.isnan(x["Age"]): # not NaN
return x["Age"]
return trainMeans[x["Pclass"], x["Sex"]]
self.train['Age'] = self.train.apply(f, axis=1)
self.test['Age'] = self.test.apply(f, axis=1)
这可以进一步简化吗
Tags： testselfdfagereturntrainnanmean
热门问题
- 如何添加虚拟方法
- 如何添加表示整数的擦边字符串？
- 如何添加要在Bokeh中使用的新font.ttf文件？
- 如何添加要显示的矩阵XY轴编号和XY轴
- 如何添加计数？
- 如何添加计数器函数？
- 如何添加计数器列来计算数据帧中另一列中的特定值？
- 如何添加计数器来跟踪while循环中的月份和年份？
- 如何添加计数并删除countplot的顶部和右侧脊椎？
- 如何添加计时器wx.应用程序更新窗口对象的主循环？
- 如何添加评论到帖子？PostDetailVew，Django 2.1.5
- 如何添加评论拉梅尔亚姆
- 如何添加诸如矩阵Python/Pandas之类的数据帧？
- 如何添加谷歌地点自动完成到Flask？
- 如何添加超时、python discord bot
- 如何添加超过1dp的检查
- 如何添加距离方法
- 如何添加跟随游戏的敌人精灵
- 如何添加路径以便python可以找到程序？
- 如何添加身份验证/安全性以使用happybase访问HBase？
热门文章
- Python覆盖写入文件
- 怎样创建一个 Python 列表？
- Python3 List append()方法使用
- 派森语言
- Python List pop()方法
- Python Django Web典型模块开发实战
- Python input() 函数
- Python3 列表(list) clear()方法
- Python游戏编程入门
- 如何创建一个空的set?
- python如何定义(创建)一个字符串
- Python标准库 [The Python Standard Library by Ex
- Python网络数据爬取及分析从入门到精通（分析篇）
- Python3 for 循环语句
- Python List insert() 方法
- Python 字典(Dictionary) update()方法
- Python编程无师自通 专业程序员的养成
- Python3 List count()方法
- Python 网络爬虫实战 [Web Crawler With Python]
- Python Cookbook（第2版）中文版
用平均值填充nan值
nans从RandomForestRegressionor中填充nan值
groupby与rfr的比较
计算随机训练集上的平均值
nan值pclass和sex被设置为索引，这就是.fillna的工作方式train是数据的67%，而test是数据的33%。test_size和train_size可以根据需要设置，如^{您可以首先为
Age创建映射：然后将其与测试和训练单独合并，以便解决索引问题
相关问题 更多 >
编程相关推荐