关于Pandas中map函数传字典的作用及缺失值填充逻辑的问询

你的理解完全正确 #

你对这段代码的功能判断是准确的：

• 这段代码确实会用对应航空公司的票价中位数填充Price列的缺失值
• map(prices_dict)的核心作用就是把Airline列里的每个航空公司名称，映射到prices_dict中对应的中位数数值

为什么map()不传函数也能工作？ #

在Pandas里，Series.map()方法的参数不止支持函数，还兼容字典、Series或者可迭代对象：

• 当传入字典时，map()会自动把Series中的每个元素当作字典的key，去匹配对应的value
• 如果某个元素在字典里找不到对应key，会返回NaN（不过你的场景里，prices_dict是从原数据的Airline分组生成的，所以不会出现这种情况）

举个简化例子更直观：

import pandas as pd

# 模拟你的航空公司中位数字典
prices_dict = {"AA": 150, "Delta": 180}
airline_series = pd.Series(["AA", "Delta", "AA"])

# 使用map匹配对应值
result = airline_series.map(prices_dict)
# 输出结果：0    150, 1    180, 2    150

拆解你代码的关键逻辑 #

1. planes.groupby("Airline")["Price"].median()：按航空公司分组计算票价中位数，得到一个以航空公司名为索引、中位数为值的Series
2. .to_dict()：把上述Series转换为字典，key是航空公司名，value是对应中位数
3. planes["Airline"].map(prices_dict)：生成一个和Airline列长度一致的Series，每个元素是对应航空公司的中位数
4. fillna(...)：用这个中位数Series填充Price列的缺失值

内容的提问来源于stack exchange，提问作者LucÀ