按Total_Stops分组用均值填充Price空值报错，求解决

错误根源很明确：当你用df.apply(fun1, axis=1)时，传入函数fun1的x是DataFrame的单行数据，此时x['Price']是单个float类型的值（不是Series对象），而fillna是pandas的Series/DataFrame专属方法，单个数值自然没有这个属性，所以触发报错。

方案1：修改原函数，直接判断并替换空值 #

既然x['Price']是单个值，那就直接判断它是否为空，再返回对应填充值即可，同时修正原函数的缩进错误：

import pandas as pd

def fun1(x):
    # 先判断Price是否为空
    if pd.isna(x['Price']):
        if x['Total_Stops'] == 'non-stop':
            return 5024.90
        elif x['Total_Stops'] == '1 stop':
            return 10594.12
        elif x['Total_Stops'] == '2 stops':
            return 12712.36
        elif x['Total_Stops'] == '3 stops':
            return 13112
        elif x['Total_Stops'] == '4 stops':
            return 17686
        else:
            return x['Price']
    # Price不为空时直接返回原值
    else:
        return x['Price']

df['Price'] = df.apply(fun1, axis=1)

方案2：用分组填充（更高效的pandas风格写法） #

逐行apply效率较低，尤其是处理大数据集时，推荐用groupby结合映射字典来批量填充：

# 先定义Total_Stops对应填充均值的映射字典
stop_price_map = {
    'non-stop': 5024.90,
    '1 stop': 10594.12,
    '2 stops': 12712.36,
    '3 stops': 13112,
    '4 stops': 17686
}

# 按Total_Stops分组后，对每组的Price列填充对应均值
df['Price'] = df.groupby('Total_Stops')['Price'].apply(
    lambda s: s.fillna(stop_price_map[s.name])
)

这种方法利用pandas的向量化操作，比逐行apply快得多，代码也更简洁。

内容的提问来源于stack exchange，提问作者user22606092