基于车型的车价均值插补报错：DataFrameGroupBy不支持赋值

报错原因 #

你遇到的TypeError: 'DataFrameGroupBy' object does not support item assignment，是因为grouped_df = df1.groupby('modele')得到的是分组对象（GroupBy），不是普通的DataFrame，无法直接像操作DataFrame那样给它的列赋值。

正确实现步骤 #

拆分两步完成需求，先替换异常值为NaN，再按车型分组填充均值：

1. 替换异常值为NaN
   直接在原DataFrame上操作，把prix_millions里的0.0和1000000.0替换成缺失值：

import pandas as pd

# 方法1：批量替换
df1['prix_millions'] = df1['prix_millions'].replace([0.0, 1000000.0], pd.NA)

# 方法2：布尔索引精准替换（效果一致）
# mask = (df1['prix_millions'] == 0.0) | (df1['prix_millions'] == 1000000.0)
# df1.loc[mask, 'prix_millions'] = pd.NA

2. 按车型分组填充均值
   使用groupby.transform()方法，它会返回和原DataFrame长度一致的序列，直接赋值回原字段即可：

# 计算每组均值，填充对应组的缺失值
df1['prix_millions'] = df1.groupby('modele')['prix_millions'].transform(
    lambda x: x.fillna(x.mean())
)

也可以用更简洁的写法：

df1['prix_millions'] = df1['prix_millions'].fillna(
    df1.groupby('modele')['prix_millions'].transform('mean')
)

完整代码示例 #

import pandas as pd

# 假设df1是你的原始数据
# df1 = pd.read_csv('你的数据文件.csv')

# 步骤1：替换异常值为NaN
df1['prix_millions'] = df1['prix_millions'].replace([0.0, 1000000.0], pd.NA)

# 步骤2：分组均值插补
df1['prix_millions'] = df1.groupby('modele')['prix_millions'].transform(
    lambda x: x.fillna(x.mean())
)

内容的提问来源于stack exchange，提问作者kim seol