现有df,有城市和城市等级两个字段，城市等级字段有缺失值，现在需要根据城市字段填充城市等级字段的缺失值，请写出代码

假设城市等级的字段名为 `level`，城市的字段名为 `city`，可以使用 Pandas 库中的 `fillna()` 函数来填充缺失值。代码如下：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 根据城市字段进行分组，计算每个城市等级的众数
mode = df.groupby('city')['level'].apply(lambda x: x.mode()[0]).reset_index()

# 将众数合并回原始数据
df = pd.merge(df, mode, on='city', how='left', suffixes=('', '_mode'))

# 使用众数填充缺失值
df['level'].fillna(df['level_mode'], inplace=True)

# 删除多余的列
df.drop('level_mode', axis=1, inplace=True)

这段代码的思路是，先根据城市字段进行分组，计算每个城市等级的众数，再将众数合并回原始数据中，最后使用众数填充缺失值。

相关问题

现有df,有城市和城市等级两个字段，城市等级字段有缺失值，城市字段没有缺失值，现在需要根据城市字段填充城市等级字段的缺失值并一一对应，请写出代码

假设城市等级用数字表示，缺失值用 -1 表示，可以使用 Pandas 库中的 fillna 方法来填充缺失值。具体代码如下：

import pandas as pd

# 生成示例数据
df = pd.DataFrame({
    '城市': ['北京', '上海', '广州', '深圳', '杭州', '南京', '成都', '重庆'],
    '城市等级': [1, 2, -1, 3, -1, -1, 2, -1]
})

# 使用前一个非缺失值填充
df['城市等级'] = df['城市等级'].fillna(method='ffill')

print(df)

输出结果为：

   城市  城市等级
0  北京   1.0
1  上海   2.0
2  广州   2.0
3  深圳   3.0
4  杭州   3.0
5  南京   3.0
6  成都   2.0
7  重庆   2.0

其中，`method='ffill'` 表示使用前一个非缺失值填充，即用上一个城市的等级来填充当前城市的等级。如果最前面的城市等级也是缺失值，那么填充后仍然是缺失值。

处理runtime字段的缺失值，该字段有两个缺失值，具体要求如下： • 将id为370980的缺失值填充为98 • 将id为459488的缺失值填充为81

假设你的数据集是一个名为 `df` 的 DataFrame，其中包含一个名为 `runtime` 的列，你可以使用 Pandas 的 `fillna()` 方法来填充缺失值。以下是代码示例：

# 将 id 为 370980 的缺失值填充为 98
df.loc[df['id'] == 370980, 'runtime'] = df.loc[df['id'] == 370980, 'runtime'].fillna(98)

# 将 id 为 459488 的缺失值填充为 81
df.loc[df['id'] == 459488, 'runtime'] = df.loc[df['id'] == 459488, 'runtime'].fillna(81)

首先使用 `loc` 方法选择每个 id，并在 `runtime` 列中使用 Pandas 的 `fillna()` 方法填充缺失值。注意，我们使用了两个不同的值来填充不同的 id 的缺失值。