Jupyter Notebook中DataFrame按State填充Population列NaN值失败求助

原代码失效原因 #

你的循环中使用Data.loc[Data['State'] == x,'Population'].fillna(..., inplace=True)的写法存在链式索引问题：这种方式返回的可能是原DataFrame的视图而非副本，inplace=True修改的是临时视图，无法同步到原DataFrame，导致NaN值没被填充。另外手动循环的方式不仅效率低，还容易出现索引匹配错误。

快速解决方法（推荐） #

用pandas原生的groupby.transform方法，一行代码就能完成按州填充均值的需求，高效且避免索引问题：

Data['Population'] = Data['Population'].fillna(Data.groupby('State')['Population'].transform('mean'))

• groupby('State')['Population'].transform('mean')会为每一行返回对应州的Population均值，和原DataFrame的行数完全匹配
• 直接用fillna将NaN值替换为对应州的均值，无需手动循环

修正原代码的写法 #

如果坚持要保留循环逻辑，需要避免链式索引，直接通过loc定位赋值：

# 先计算每个州的均值，和你原代码一致
DataGroupby = Data.groupby(['State'])['Population'].mean().reset_index()

# 循环每个州，直接赋值给原DataFrame的对应位置
for idx, row in DataGroupby.iterrows():
    state = row['State']
    state_mean = row['Population']
    # 定位该州且Population为NaN的行，直接赋值
    Data.loc[(Data['State'] == state) & (Data['Population'].isna()), 'Population'] = state_mean

这种写法直接操作原DataFrame的对应位置，不会出现视图/副本的问题，能确保修改生效。

内容的提问来源于stack exchange，提问作者Flyguy