如何用自定义Python函数将DataFrame列中NaN值替换为列均值？

你的自定义函数无法正常运行的核心问题有三个，对应修正如下：

核心错误点 #

• 处理方向错误：apply传入axis=1是按行处理，但我们需要按列计算均值并填充，应该改为axis=0。
• NaN判断逻辑错误：Pandas中的NaN是特殊浮点值，不能用x is None识别，必须用pd.isna()或np.isnan()判断单个元素。
• 函数逻辑偏差：原函数把整列/整行当成单个元素判断，没有针对每个NaN值执行替换操作。

修正后的自定义函数实现 #

方案一：遍历元素处理 #

import pandas as pd
import numpy as np

def fill_col_with_mean(col):
    # 提前计算当前列的均值，避免重复计算
    col_mean = col.mean()
    # 遍历列内每个元素，替换NaN为列均值
    return [col_mean if pd.isna(val) else val for val in col]

# 按列应用自定义函数
df2 = df.apply(fill_col_with_mean, axis=0)

方案二：结合Pandas内置方法（更简洁） #

如果想保留自定义函数的形式，也可以直接在函数内调用fillna，逻辑和你找到的简洁方案一致：

def fill_col_with_mean(col):
    return col.fillna(col.mean())

df2 = df.apply(fill_col_with_mean, axis=0)

为什么原代码无效？ #

• 当使用axis=1时，apply会把每一行作为Series传入my_func，此时x is None永远为False，直接返回原行，完全没处理NaN。
• 即使改成axis=0，x是整列的Series，x is None仍然不成立，函数直接返回原列，没有执行替换逻辑。
• Pandas中的NaN不等于None，必须用专门的检测函数才能识别。

内容的提问来源于stack exchange，提问作者Jekaterina Truskina