我听说平均值，中位数不是估算缺失值的最佳方法，为什么会这样？
在我的场景中，我有这样的数据
Brand|Value
A|2,
A|NaN,
A|4,
B|8,
B|NaN,
B|10,
C|9,
C|11
如果使用平均插补，数据将是
Brand|Value
A|2,
A|7.3,
A|4,
B|8,
B|7.3,
B|10,
C|9,
C|11
这对于品牌 B 为 7.3 确实有意义，但如果品牌 A 为 7.3 则没有意义，因为品牌 A 的价值倾向于在 2 和 8 左右有没有其他方法来填补基于品牌的缺失值？
这是一个只有 2 个特征的数据示例，其中 1 个特征可能具有缺失值的模式，如果有 20 个特征怎么办，并且会有多个特征可能具有更好地定义缺失值的模式。
如何在 Python 中应用它？
因此，如果您想根据它们所属的组（在您的情况下为 A、B、... ）估算一些缺失值，您可以使用groupbyPandas DataFrame 的方法。因此，请确保您的数据在其中一个。
import pandas as pd
df = pd.DataFrame(your_data) # read documentation to achieve this
然后，这只是将几个步骤链接在一起的情况：
df["Value"] = df.groupby("Brand")["Value"].transform(lambda x: x.fillna(x.mean()))
df.groupby简单地将数据帧分组为子数据帧（组），使得每个组只包含一个Brandtransform()将函数应用于数据框 - 因此应用于创建的每个单独组groupbyfillna()方法，仅使用mean()来填补空白您可以简单地将mean()方法替换为您喜欢的任何内容。如果需要，您还可以创建一个更复杂的函数，并替换该lambda 函数。它只需要将数据框作为输入并返回具有可比较的数据框index。
什么是我要估算的列不是数字？
场景如下：
数据框中有 3 列 col1、col2 和 col3。col1 缺少一些行。我想用 col2 和 col3 匹配值的其他行中的 col1 值填充这些缺失值。我怎样才能做到这一点？
示例：如何用 A 填充 row3:col1 中的 NaN，因为 row3:col2 和 col3 匹配 row1:col2 和 col3
xxxx col1 col2 col3 row1 A 1 11 row2 B 2 22 row3 NaN 1 11 row4 C 3 33