如何用Pandas从基于主DataFrame均值的副DataFrame填充缺失值？

先理清楚核心需求 #

主DataFrame里Product为Computer Bundle的行，Percent和Discount字段是空的，需要：

• 用对应StoreID下所有非缺失Percent的均值填充空的Percent
• 再根据Price和填充后的Percent计算Discount

步骤1：读取并查看原始数据 #

假设你的df.csv内容是这样的：

StoreID,Product,Price,Percent,Discount
1,Laptop,1000,10,100
1,Mouse,20,5,1
1,Computer Bundle,1200,,
2,Desktop,800,15,120
2,Keyboard,30,7,2.1
2,Computer Bundle,900,,

先读取数据：

import pandas as pd

df = pd.read_csv('df.csv')
print(df)

步骤2：计算每个StoreID的Percent均值 #

不用搞复杂的复合索引，直接按StoreID分组求均值就行：

# 按StoreID分组，计算非缺失Percent的均值
store_percent_avg = df.groupby('StoreID')['Percent'].mean().reset_index()
# 重命名列方便后续合并
store_percent_avg.columns = ['StoreID', 'Avg_Percent']

步骤3：填充缺失的Percent值 #

把主表和均值表合并，然后针对性填充Computer Bundle的空值：

# 合并主表和均值表，保留所有行
df = df.merge(store_percent_avg, on='StoreID', how='left')

# 只给Product是Computer Bundle的行填充Percent
df.loc[df['Product'] == 'Computer Bundle', 'Percent'] = df.loc[df['Product'] == 'Computer Bundle', 'Avg_Percent']

# 删掉临时用的Avg_Percent列
df = df.drop('Avg_Percent', axis=1)

步骤4：计算Discount值 #

直接用Price * Percent / 100计算，按需保留小数位数：

# 计算Discount，保留两位小数
df['Discount'] = (df['Price'] * df['Percent'] / 100).round(2)

完整代码 #

import pandas as pd

# 读取原始数据
df = pd.read_csv('df.csv')

# 计算各StoreID的Percent均值
store_percent_avg = df.groupby('StoreID')['Percent'].mean().reset_index()
store_percent_avg.columns = ['StoreID', 'Avg_Percent']

# 合并并填充缺失值
df = df.merge(store_percent_avg, on='StoreID', how='left')
df.loc[df['Product'] == 'Computer Bundle', 'Percent'] = df.loc[df['Product'] == 'Computer Bundle', 'Avg_Percent']
df = df.drop('Avg_Percent', axis=1)

# 计算Discount
df['Discount'] = (df['Price'] * df['Percent'] / 100).round(2)

print(df)

预期输出结果 #

运行后会得到：

StoreID,Product,Price,Percent,Discount
1,Laptop,1000,10.0,100.00
1,Mouse,20,5.0,1.00
1,Computer Bundle,1200,7.5,90.00
2,Desktop,800,15.0,120.00
2,Keyboard,30,7.0,2.10
2,Computer Bundle,900,11.0,99.00

为啥之前复合索引的方法没成功？ #

你之前用(StoreID, Product)做复合索引，但Computer Bundle的行本身没有有效Percent，分组时会被忽略，导致副DataFrame里根本没有(StoreID, Computer Bundle)的索引项，自然匹配不上。直接按StoreID分组求均值再合并的方式，更直接也更不容易出错。

内容的提问来源于stack exchange，提问作者craig