パンダ：各グループの平均で不足している値を埋める

これは簡単なはずですが、私が見つけた最も近いものはこの投稿です： パンダ：グループ内の不足している値を埋めていますが、それでも問題を解決できません...。

次のデータフレームがあるとします

df = pd.DataFrame({'value': [1, np.nan, np.nan, 2, 3, 1, 3, np.nan, 3], 'name': ['A','A', 'B','B','B','B', 'C','C','C']})

  name  value
0    A      1
1    A    NaN
2    B    NaN
3    B      2
4    B      3
5    B      1
6    C      3
7    C    NaN
8    C      3

そして、「NaN」に各「名前」グループの平均値を入力したいと思います。

      name  value
0    A      1
1    A      1
2    B      2
3    B      2
4    B      3
5    B      1
6    C      3
7    C      3
8    C      3

どこに行けばいいのかわからない：

grouped = df.groupby('name').mean()

本当にありがとう。

1つの方法は、次を使用することtransformです。

>>> df
  name  value
0    A      1
1    A    NaN
2    B    NaN
3    B      2
4    B      3
5    B      1
6    C      3
7    C    NaN
8    C      3
>>> df["value"] = df.groupby("name").transform(lambda x: x.fillna(x.mean()))
>>> df
  name  value
0    A      1
1    A      1
2    B      2
3    B      2
4    B      3
5    B      1
6    C      3
7    C      3
8    C      3

fillna+ groupby+ transform+mean

これは直感的に思えます：

df['value'] = df['value'].fillna(df.groupby('name')['value'].transform('mean'))

groupby+のtransform構文は、元のデータフレームのインデックスにGroupWiseで平均値をマッピングします。これは@DSMのソリューションとほぼ同等ですが、無名lambda関数を定義する必要がありません。

@DSMにはIMOの正解がありますが、質問の一般化と最適化を共有したいと思います。複数の列をグループ化して、複数の値の列を作成します。

df = pd.DataFrame(
    {
        'category': ['X', 'X', 'X', 'X', 'X', 'X', 'Y', 'Y', 'Y'],
        'name': ['A','A', 'B','B','B','B', 'C','C','C'],
        'other_value': [10, np.nan, np.nan, 20, 30, 10, 30, np.nan, 30],
        'value': [1, np.nan, np.nan, 2, 3, 1, 3, np.nan, 3],
    }
)

...与える...

  category name  other_value value
0        X    A         10.0   1.0
1        X    A          NaN   NaN
2        X    B          NaN   NaN
3        X    B         20.0   2.0
4        X    B         30.0   3.0
5        X    B         10.0   1.0
6        Y    C         30.0   3.0
7        Y    C          NaN   NaN
8        Y    C         30.0   3.0

この一般化されたケースでは、とでグループ化しcategory、nameにのみ代入しvalueます。

これは次のように解決できます。

df['value'] = df.groupby(['category', 'name'])['value']\
    .transform(lambda x: x.fillna(x.mean()))

group-by句の列リストと、group-byのvalue直後の列を選択していることに注意してください。これにより、変換はその特定の列でのみ実行されます。これを最後に追加することもできますが、すべての列に対して実行して、最後に1つのメジャー列を除くすべてを破棄します。標準のSQLクエリプランナーはこれを最適化できたかもしれませんが、パンダ（0.19.2）はこれを行っていないようです。

実行してデータセットを増やすことによるパフォーマンステスト...

big_df = None
for _ in range(10000):
    if big_df is None:
        big_df = df.copy()
    else:
        big_df = pd.concat([big_df, df])
df = big_df

...これにより、代入する必要のない列の数に比例して速度が上がることを確認します。

import pandas as pd
from datetime import datetime

def generate_data():
    ...

t = datetime.now()
df = generate_data()
df['value'] = df.groupby(['category', 'name'])['value']\
    .transform(lambda x: x.fillna(x.mean()))
print(datetime.now()-t)

# 0:00:00.016012

t = datetime.now()
df = generate_data()
df["value"] = df.groupby(['category', 'name'])\
    .transform(lambda x: x.fillna(x.mean()))['value']
print(datetime.now()-t)

# 0:00:00.030022

最後に、すべてではありませんが、複数の列を代入する場合は、さらに一般化できます。

df[['value', 'other_value']] = df.groupby(['category', 'name'])['value', 'other_value']\
    .transform(lambda x: x.fillna(x.mean()))

私はこのようにします

df.loc[df.value.isnull(), 'value'] = df.groupby('group').value.transform('mean')

上記の回答のほとんどは、「groupby」と「transform」を使用して不足している値を埋めることに関係していました。

しかし、私は「groupby」と「apply」を使用して不足している値を埋めることを好みます。これは私にとってより直感的です。

>>> df['value']=df.groupby('name')['value'].apply(lambda x:x.fillna(x.mean()))
>>> df.isnull().sum().sum()
    0 

ショートカット：Groupby + Apply / Lambda + Fillna + Mean

このソリューションは、欠落している値を置き換えるために複数の列でグループ化する場合でも機能します。

     >>> df = pd.DataFrame({'value': [1, np.nan, np.nan, 2, 3, np.nan,np.nan, 4, 3], 
    'name': ['A','A', 'B','B','B','B', 'C','C','C'],'class':list('ppqqrrsss')})  

     >>> df
   value name   class
0    1.0    A     p
1    NaN    A     p
2    NaN    B     q
3    2.0    B     q
4    3.0    B     r
5    NaN    B     r
6    NaN    C     s
7    4.0    C     s
8    3.0    C     s

>>> df['value']=df.groupby(['name','class'])['value'].apply(lambda x:x.fillna(x.mean()))

>>> df
        value name   class
    0    1.0    A     p
    1    1.0    A     p
    2    2.0    B     q
    3    2.0    B     q
    4    3.0    B     r
    5    3.0    B     r
    6    3.5    C     s
    7    4.0    C     s
    8    3.0    C     s

注目の上位回答は、2列しかないパンダデータフレームでのみ機能します。より多くの列がある場合は、代わりに次を使用してください。

df['Crude_Birth_rate'] = df.groupby("continent").Crude_Birth_rate.transform(
    lambda x: x.fillna(x.mean()))

def groupMeanValue(group):
    group['value'] = group['value'].fillna(group['value'].mean())
    return group

dft = df.groupby("name").transform(groupMeanValue)

df.fillna(df.groupby(['name'], as_index=False).mean(), inplace=True)

を使用することもできます"dataframe or table_name".apply(lambda x: x.fillna(x.mean()))。