所以我在 python 中有一个 IF 语句，它本质上是将数据集中的空值更改为基于其他两列的平均值。
def impute_age(cols):
Age = cols[0]
Pclass = cols[1]
Sex = cols[2]
if pd.isnull(Age):
if Pclass == 1 and Sex == 0:
return train.loc[(train["Pclass"] == 1)
& (train["Sex_male"] == 0)]["Age"].mean()
if Pclass == 2 and Sex == 0:
return train.loc[(train["Pclass"] == 2)
& (train["Sex_male"] == 0)]["Age"].mean()
if Pclass == 3 and Sex == 0:
return train.loc[(train["Pclass"] == 3)
& (train["Sex_male"] == 0)]["Age"].mean()
if Pclass == 1 and Sex == 1:
return train.loc[(train["Pclass"] == 1)
& (train["Sex_male"] == 1)]["Age"].mean()
if Pclass == 2 and Sex == 1:
return train.loc[(train["Pclass"] == 2)
& (train["Sex_male"] == 1)]["Age"].mean()
if Pclass == 3 and Sex == 1:
return train.loc[(train["Pclass"] == 3)
& (train["Sex_male"] == 1)]["Age"].mean()
else:
return Age
所以我在这里尝试使用某些乘客类别中男性/女性的平均年龄来填写 nans。我觉得会有更好的写法，尤其是当我遇到一个更大的数据集时。 作为引用，train df 是包含所有数据的主要 df。出于某种原因，我无法让这段代码与使用 cols 参数传递的火车子集一起工作。
这里的问题本质上是:我如何以更简单的方式编写此代码？如果我的数据集大得多，是否有一种方法可以编写此 IF 语句？
请您参考如下方法:
在我看来，您需要做的就是参数化您的内部if:
if pd.isnull(Age):
return train.loc[(train["Pclass"] == Pclass)
& (train["Sex_male"] == Sex)]["Age"].mean()
