如何基于目标值对应的特征均值填充Pandas DataFrame缺失值

你遇到的问题核心是未对原DataFrame列进行赋值操作，fillna默认返回填充后的新对象，不会修改原数据。以下是两种可实现原地填充的正确写法：

方法一：赋值回原列 #

import pandas as pd
import numpy as np

# 初始化示例数据
df_pk = pd.DataFrame({"f1": [1,2,3,4,5,6,7,8], "f2": [2, np.nan,6, 8, 10, np.nan,14,16], "y": [1,1,1,0,0,1,1,1]})

# 生成每行对应的y分组f2均值
group_f2_means = df_pk.groupby('y')['f2'].transform('mean')
# 填充缺失值并覆盖原列
df_pk['f2'] = df_pk['f2'].fillna(group_f2_means)

方法二：使用inplace=True参数原地修改 #

df_pk['f2'].fillna(df_pk.groupby('y')['f2'].transform('mean'), inplace=True)

填充后结果说明 #

• y=1分组的f2非缺失值为[2,6,14,16]，均值为9.5，对应两个NaN会被填充为9.5
• y=0分组的f2无缺失值，保持原数据[8,10]
• 最终f2列结果：[2, 9.5, 6, 8, 10, 9.5, 14, 16]

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