如何使用.fillna基于另一列分组的均值填充DataFrame空值？

错误原因分析 #

你当前代码的问题出在两点：

• 同时使用inplace=True和赋值操作：fillna(inplace=True)会直接修改原列并返回None，此时将返回值赋值给列，会导致整列被覆盖为None。
• 直接传入mean_values无法匹配行：mean_values的索引是InternetService类别，而原DataFrame的行索引是行号，两者无法自动对应，所以无法正确填充。

正确解决方案 #

方案一：用map匹配分组均值后填充

保留你已计算的分组均值，通过map将每行的InternetService映射到对应均值，再填充空值：

mean_values = df.groupby("InternetService")["Bandwidth_GB_Year"].mean().round(3)
# 生成与每行匹配的分组均值序列，填充空值
df["Bandwidth_GB_Year"] = df["Bandwidth_GB_Year"].fillna(df["InternetService"].map(mean_values))

方案二：用transform分组内直接填充（更简洁）

无需单独计算均值，通过transform在分组内直接将空值替换为该组均值：

df["Bandwidth_GB_Year"] = df.groupby("InternetService")["Bandwidth_GB_Year"].transform(
    lambda x: x.fillna(x.mean().round(3))
)

验证结果 #

执行填充后，可通过以下代码确认空值已被处理：

print(df["Bandwidth_GB_Year"].isna().sum())

内容的提问来源于stack exchange，提问作者Andrew Grofe