我有一个 Dataframe ，其中包含'id'，'x1'列。我想用'x1'中最常见的值替换'x1'中缺失的值，以对应'id'。
例如，'x1'中存在缺失值，而'id' = 1。缺失值替换应为'e'，因为'e'是'id' = 1的频繁/模式（3次）值。

df = pd.DataFrame({'id': [1, 1, 2, 3, 1, 1, 1, 1, 4, 5],
                   'x1': ['a', np.nan, 'b', 'c', 'e', 'e', 'e', 'f', 'g', 'h']})

我的方法是首先获取丢失记录的id。

df[df['x1'].isnull()==True]['id'].iloc[0]

然后使用value_counts从'x1'获取最频繁的值，其中'id' .isin在上面的输出中可用。
但是，这看起来在计算上是昂贵的，并且正在寻找有效的解决方案。