如何通过groupby按国家分组均值填充DataFrame中的NaN值？

我有一个包含大量NaN值的数据集，其中Country列存在需要保留的重复值。希望按Country列分组，计算每个国家其他列（Total、Coal、per capita等）的均值，并用这些均值填充原DataFrame中的NaN值，请问是否有可行的实现方法？

我尝试了两段代码但都无法实现需求：

第一段代码：

countryunique = df['Country'].unique()
dc = df.groupby('Country').mean().reset_index()

for b in dc['Country']:
    for i in countryunique:
        if (b == i):
            df['Total'] = df.fillna(dc['Country'][b])

第二段代码：

for col in df.columns:
    if col != 'Country' and col !='ISO 3166-1 alpha-3' and col!='Year':
        df[col] = df[col].fillna(str(df[col].mean()))

可行实现方法 #

不需要复杂循环，用Pandas的groupby结合transform可以高效完成需求，代码如下：

# 筛选需要填充的列（排除不需要计算均值的列）
cols_to_fill = [col for col in df.columns if col not in ['Country', 'ISO 3166-1 alpha-3', 'Year']]

# 按国家分组，用每组的均值填充对应组内的NaN
df[cols_to_fill] = df.groupby('Country')[cols_to_fill].transform(
    lambda group: group.fillna(group.mean())
)

原代码问题分析 #

1. 第一段代码：

   • 嵌套循环逻辑冗余，且fillna传入的是国家名称而非对应列的均值，填充逻辑完全错误；
   • 直接赋值给df['Total']会覆盖整列数据，不符合需求。

2. 第二段代码：

   • 使用了整个列的全局均值而非按国家分组的均值，无法体现不同国家的数值差异；
   • 错误地将均值转为字符串，导致数值列类型变为字符串，后续无法进行正常数值计算。

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