Imputazione dei valori mancanti per le categorie nei panda

Question

La domanda è come riempire i NaN con i livelli più frequenti per la colonna delle categorie nel dataframe dei panda?

Nel pacchetto R foresta casuale c'è na.roughfix opzione: A completed data matrix or data frame. For numeric variables, NAs are replaced with column medians. For factor variables, NAs are replaced with the most frequent levels (breaking ties at random). If object contains no NAs, it is returned unaltered.

in Panda per le variabili numeriche posso riempire i valori NaN con:

df = df.fillna(df.median()) 

Answer 1

È possibile utilizzare df = df.fillna(df['Label'].value_counts().index[0]) per riempire NaNs con il valore più frequente da una colonna.

Se si vuole riempire ogni colonna con un proprio valore più frequente è possibile utilizzare

df = df.apply(lambda x:x.fillna(x.value_counts().index[0]))