如何基于其他列条件替换DataFrame中的空值：用对应教育水平平均收入填充

你已经算出了各教育水平的平均收入，有两种简单的方法可以完成缺失值替换：

方法一：用预先计算好的均值映射填充 #

直接利用你得到的income_edu_based，通过map匹配教育水平对应的均值，再用fillna替换空值：

df['Income'] = df['Income'].fillna(df['Education'].map(income_edu_based))

原理：df['Education'].map(income_edu_based)会为每一行生成对应教育水平的平均收入，fillna会用这个值替换该行Income的缺失值。

方法二：一步到位计算并填充（无需提前算均值） #

如果不需要保留预先计算的均值，也可以直接用groupby.transform完成分组计算和填充：

df['Income'] = df.groupby('Education')['Income'].transform(lambda x: x.fillna(x.mean().round(2)))

这个方法会自动按教育水平分组，计算每组的平均收入（保留两位小数），并填充到组内的缺失值上。

验证填充效果 #

执行完填充后，可以用下面的代码确认Income列是否还有缺失值：

print(df['Income'].isna().sum())

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