複数の条件に当てはまれば、欠損に統計量を当てはめる方法を教えてください。

Question

KaggleのTitanicで、

年齢(Age)が欠損かつ性別(Sex)が男性なら、男性の平均年齢
年齢8Age)が欠損かつ性別(Sex)が女性なら、女性の平均年齢

上記のコードを教えてほしいです。

現在は下記のように関数を使っていますが、もっと簡略化したいと考えています。
def fage(x):
if x.Sex == 'male':
return round(age_train_mean['male'])
if x.Sex == 'female':
return round(age_train_mean['female'])

下記のように書きたいのですが、エラーになってしまいます。

if Sex == 'male' and Age == null:
train_mean('male')
if Sex == 'female' and Age == null:
train_mean('female')

SQLなら、

case
when Age is null and Sex = "male" then mean(男性の平均年齢)
when Age is null and Sex = "female" then mean(女性の平均年齢)
end

と書きます。

よろしくお願いします。

Answer 1

とりあえず２通り

(1) DataFrameを Sex列の値でグループ分けし、グループ毎にAgeを平均値でfillna()する方法

df['Age'] = df.groupby('Sex')['Age'].transform(lambda d:d.fillna(d.mean()))

(2) Sex列の値でグループ分けしグループ毎に算出したAgeの平均値を、NaNの箇所に上書きする方法

df['Age'] = df['Age'].combine_first(df.groupby('Sex')['Age'].transform('mean'))

Comments

[kodenkoden]

わかりやすいコードでの回答ありがとうございました。