RangeIndex位置索引报错：NumPy一行代码填充Pandas缺失值

错误原因 #

你的代码报错源于两个核心问题：

1. test.index%12返回的是Int64Index类型对象，而iloc要求的索引器是整数列表/数组，无法直接传入索引对象；
2. 原逻辑中test.iloc[test.index%12::12].mean()是取整个切片的全局均值，而非每个index%12分组的均值，不符合你“用每12个前置值的均值填充”的需求。

修正方案（两种实现） #

方案一：分组计算均值后映射填充

先按index%12分组计算每组的均值，再将缺失值映射到对应组的均值完成填充：

import pandas as pd
import numpy as np

test = pd.Series([10,5,3,4,6,12,6,7,2,4,7,12,6,7,2,4,7,12,3,4,6,12,6,7]+[pd.NA]*12)

# 按位置模12分组，计算每组的均值
group_means = test.groupby(test.index % 12).mean()
# 填充缺失值：将每个缺失值的位置模12结果映射为对应组的均值
test_filled = test.fillna(test.index % 12.map(group_means))

方案二：用transform简化实现

利用Pandas的transform方法，直接对每组内的缺失值填充该组的均值，代码更简洁：

import pandas as pd
import numpy as np

test = pd.Series([10,5,3,4,6,12,6,7,2,4,7,12,6,7,2,4,7,12,3,4,6,12,6,7]+[pd.NA]*12)

test_filled = test.groupby(test.index % 12).transform(lambda x: x.fillna(x.mean()))

效果验证 #

以组0为例，前置值为[10,6,3]，均值为(10+6+3)/3≈6.333；组1前置值为[5,7,4]，均值为(5+7+4)/3≈5.333，填充后的最后12个缺失值会依次对应0-11组的均值，完全符合需求。

内容的提问来源于stack exchange，提问作者Gramatik