Python Pandas - เติมค่าคอลัมน์ที่ขาดหายไปด้วย mode

Mode คือค่าที่ปรากฏมากที่สุดในชุดของค่า ใช้ fillna() วิธีการและตั้งค่าโหมดเพื่อเติมคอลัมน์ที่ขาดหายไปด้วยโหมด ขั้นแรก ให้เรานำเข้าไลบรารีที่จำเป็นด้วยนามแฝงที่เกี่ยวข้อง -

import pandas as pd
import numpy as np

สร้าง DataFrame ที่มี 2 คอลัมน์ เราได้ตั้งค่า NaN โดยใช้ Numpy np.NaN −

dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

ค้นหาโหมดของค่าคอลัมน์ด้วย NaN เช่น สำหรับคอลัมน์หน่วยที่นี่ แทนที่ NaN ด้วยโหมดของคอลัมน์ที่มันอยู่โดยใช้ mode() บนคอลัมน์หน่วย -

dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

ตัวอย่าง

ต่อไปนี้เป็นรหัสที่สมบูรณ์ -

import pandas as pd
import numpy as np

# Create DataFrame
dataFrame = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Lexus', 'Mustang', 'Bentley', 'Mustang'],"Units": [100, 150, np.NaN, 80, np.NaN, np.NaN]
   }
)

print"DataFrame ...\n",dataFrame

# finding mode of the column values with NaN i.e, for Units columns here
# Replace NaNs with the mode of the column where it is located
dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

print"\nUpdated Dataframe after filling NaN values with mode...\n",dataFrame

ผลลัพธ์

สิ่งนี้จะสร้างผลลัพธ์ต่อไปนี้ -

DataFrame ...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus     NaN
3  Mustang    80.0
4  Bentley     NaN
5  Mustang     NaN

Updated Dataframe after filling NaN values with mode...
       Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus    80.0
3  Mustang    80.0
4  Bentley    80.0
5  Mustang    80.0