通过从 pandas 和 scikit-learn 中的非缺失值估计方程来估算缺失值

Question

我有一个如下所示的数据框

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

综上所述，我想分别估计每个类别红色和绿色的面积和价格之间的关系。

例如这里的红色：

Area = 5 * Price

同样对于绿色：

Area = 3 * Price

我想将其实现到 pandas 和 scikit-learn 中：

步骤 1. 估计每个类别的面积和价格之间的关系。2. 基于关系估算缺失值。

我在 python 和编码方面很新。

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

Answer 1

您还可以使用如下字典，然后堆叠和填充：

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)

如果您只想获取值df_ref并更新Areacol（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