通过从 pandas 和 scikit-learn 中的非缺失值估计方程来估算缺失值
Posted
技术标签:
【中文标题】通过从 pandas 和 scikit-learn 中的非缺失值估计方程来估算缺失值【英文标题】:Impute missing value by estimating the equation from non missing value in pandas and scikit-learn 【发布时间】:2020-04-18 04:15:45 【问题描述】:我有一个如下图所示的数据框
Price Category Area
20 Red 100
30 Red 150
10 Red 50
25 Red NaN
30 Red NaN
10 Green 30
20 Green 60
30 Green 90
10 Green 30
40 Green NaN
50 Green NaN
根据以上,我想分别估算红色和绿色每个类别的面积和价格之间的关系。
例如这里的红色:
Area = 5 * Price
同样适用于格林:
Area = 3 * Price
我想在 pandas 和 scikit-learn 中实现它:
步骤 1. 估计每个类别的面积和价格之间的关系。 2. 根据关系估算缺失值。
我是 python 和编码方面的新手。
Expected output
Price Category Area
20 Red 100
30 Red 150
10 Red 50
25 Red 125
30 Red 150
10 Green 30
20 Green 60
30 Green 90
10 Green 30
40 Green 120
50 Green 150
【问题讨论】:
如何保存红色和绿色的因子? @anky_91 不太清楚,其实我也不怎么通过编码来解决这个问题。。我们可以过滤每个类别的数据框并估计因子吗。 【参考方案1】:你可以这样做:
-
使用
Area / Price
获取因子
GroupBy
Category
用ffill
和bfill
填充NaN
将Price
与新因子相乘以创建新的Area
列
df['factors'] = df['Area'] / df['Price']
df['factors'] = df.groupby('Category', sort=False)['factors'].ffill().bfill()
df = df.assign(Area=df['Price'] * df['factors']).drop(columns='factors')
Price Category Area
0 20 Red 100.0
1 30 Red 150.0
2 10 Red 50.0
3 25 Red 125.0
4 30 Red 150.0
5 10 Green 30.0
6 20 Green 60.0
7 30 Green 90.0
8 10 Green 30.0
9 40 Green 120.0
10 50 Green 150.0
【讨论】:
【参考方案2】:你也可以使用下面的字典,然后堆叠填充:
d='Area_Red' : 5 * df['Price'] , 'Area_Green' : 3 * df['Price']
df_ref=pd.DataFrame(d).rename(columns=lambda x: x.split('_')[1]).stack()
df['Area']=df.set_index('Category',append=True)['Area'].fillna(df_ref).droplevel(1)
如果您只想根据df_ref
获取值并更新Area
col(不仅仅是fillna),请将最后一行更改为下面,使用df.lookup
:
d='Area_Red' : 5 * df['Price'] , 'Area_Green' : 3 * df['Price']
df_ref=pd.DataFrame(d).rename(columns=lambda x: x.split('_')[1]) #without stack
df['Area']=df_ref.lookup(df['Category'].index,df['Category'])
print(df)
Price Category Area
0 20 Red 100
1 30 Red 150
2 10 Red 50
3 25 Red 125
4 30 Red 150
5 10 Green 30
6 20 Green 60
7 30 Green 90
8 10 Green 30
9 40 Green 120
10 50 Green 150
【讨论】:
@anky_91 是否可以估计非缺失值中的回归系数。以上是关于通过从 pandas 和 scikit-learn 中的非缺失值估计方程来估算缺失值的主要内容,如果未能解决你的问题,请参考以下文章
通过从每一行的不同列中选择一个元素,从 Pandas DataFrame 创建一个系列