如何按条件填充DataFrame缺失值：非全空列用均值，全空列填0？

你的代码问题在于没有对每一列单独做判断，当前逻辑是把cols对应的整个DataFrame的缺失值总数和行数比较，只有当所有选中列都全为空时才会用0填充，否则所有列都用均值填充，这和你的需求不符。

下面提供两种更优的实现方式：

方式一：逐列自定义处理（直观易读） #

用apply对每一列单独应用填充逻辑，适合小数据集或需要清晰逻辑的场景：

def fill_missing(col):
    # 判断当前列是否全为空
    if col.isna().sum() == len(col):
        return col.fillna(0.0)
    else:
        return col.fillna(col.mean())

# 对选中的列应用填充函数
train_x[cols] = train_x[cols].apply(fill_missing, axis=0)

方式二：向量化操作（高效快捷） #

利用pandas的向量化特性，先计算各列均值，再把全空列的均值替换为0，最后统一填充，大数据集下效率更高：

# 计算各列均值（全空列的mean会返回NaN）
col_fill_values = train_x[cols].mean()
# 把全空列的填充值替换为0（notna().any()判断列是否存在非空值）
col_fill_values = col_fill_values.where(train_x[cols].notna().any(), 0.0)
# 批量填充空值
train_x[cols] = train_x[cols].fillna(col_fill_values)

这两种方式都能实现你的需求：每列单独判断，非全空列用自身均值填充空值，全空列用0填充。

内容的提问来源于stack exchange，提问作者hjsg1010