用对应年龄/年龄段均值填充Dataframe中Cholesterol列的NaN值

步骤说明及代码实现 #

1. 划分年龄段区间
   根据数据分布自定义年龄区间，比如按10岁为间隔划分。用pd.cut()给每条数据打上对应的年龄段标签：

import pandas as pd

# 自定义年龄区间和标签
bins = [0, 30, 40, 50, 60, 70, 100]
age_labels = ['<30', '30-40', '40-50', '50-60', '60-70', '70+']

# 为DataFrame添加年龄段列
df['Age_Group'] = pd.cut(df['Age'], bins=bins, labels=age_labels, right=False)

right=False表示区间左闭右开，比如30-40包含30岁但不包含40岁，你可以根据需求调整这个参数。

2. 计算各年龄段的胆固醇均值
   用groupby()结合transform()计算每个年龄段的胆固醇均值，transform()会自动把均值匹配到对应行，方便后续填充：

# 计算每个年龄段的胆固醇均值（自动跳过NaN）
group_means = df.groupby('Age_Group')['Cholesterol'].transform('mean')

3. 填充缺失值
   用fillna()把Cholesterol列的NaN值替换为对应年龄段的均值：

# 填充缺失值
df['Cholesterol'] = df['Cholesterol'].fillna(group_means)

额外优化 #

如果某个年龄段的所有胆固醇值都是NaN，上面的方法会导致该组的缺失值仍然是NaN。这种情况下可以用整体胆固醇均值兜底填充：

# 先按年龄段填充，再用整体均值补漏
df['Cholesterol'] = df['Cholesterol'].fillna(group_means).fillna(df['Cholesterol'].mean())

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