如何重构年龄插补代码：用函数提升可读性与代码质量

原始代码通过多层嵌套循环处理年龄缺失值，可读性与可维护性较差。以下是通过函数封装、Pandas原生特性优化后的版本，实现相同功能的同时大幅提升代码清晰度：

import numpy as np
import pandas as pd

def load_data(train_path: str, test_path: str) -> tuple[pd.DataFrame, pd.DataFrame]:
    """加载训练集与测试集数据"""
    train_df = pd.read_csv(train_path)
    test_df = pd.read_csv(test_path)
    return train_df, test_df

def fill_missing_ages(df: pd.DataFrame) -> pd.DataFrame:
    """按Sex和Pclass分组填充缺失Age值：取分组中位数并调整为0.5的倍数"""
    # 计算每个(Sex, Pclass)分组的年龄中位数
    age_group_medians = df.groupby(['Sex', 'Pclass'])['Age'].median()
    # 将中位数调整为最近的0.5倍数（与原始逻辑一致）
    adjusted_medians = age_group_medians.apply(lambda x: int(x / 0.5 + 0.5) * 0.5)
    
    # 填充缺失值：匹配对应分组的调整后中位数
    df['Age'] = df.apply(
        lambda row: adjusted_medians.loc[(row['Sex'], row['Pclass'])] 
        if pd.isnull(row['Age']) else row['Age'],
        axis=1
    )
    
    # 转换为整数类型
    df['Age'] = df['Age'].astype(int)
    return df

# 主执行逻辑
train_df, test_df = load_data("train_df.csv", "test_df.csv")
combine = [train_df, test_df]

for df in combine:
    fill_missing_ages(df)

优化亮点 #

• 职责拆分：将数据加载、缺失值填充拆分为独立函数，单一职责便于复用与测试
• 消除嵌套循环：用groupby替代多层循环，直接按Sex+Pclass分组计算，逻辑更直观
• 可读性增强：添加函数文档字符串、清晰的变量命名，代码意图一目了然
• Pandas原生实现：利用apply+loc完成缺失值匹配填充，符合Pandas惯用写法，减少手动索引出错概率

内容的提问来源于stack exchange，提问作者user14736700