如何用Pandas将DataFrame中NaN值替换为对应分组均值？

先说说你原代码的几个问题：

• groupby("LV_Name").mean(["LEO_Capa", "GTO_Capa"]) 写法错误，mean() 不需要传列名列表，正确的是先选列再求均值，或者用 agg 指定列
• 直接 for row in df 遍历的是DataFrame的列名，不是行数据，根本没法拿到每一行的LEO_Capa值
• 就算改成遍历行，Pandas里遍历行得到的是副本，修改副本不会影响原DataFrame，而且遍历行效率极低，完全不符合Pandas的矢量化操作思路

最简正确实现 #

用Pandas的transform方法结合fillna，一行搞定，这也是最符合Pandas风格的写法：

def fill_in_capabilities(df):
    # 按LV_Name分组，计算LEO_Capa的均值，生成和原df同长度的Series
    leo_mean = df.groupby("LV_Name")["LEO_Capa"].transform("mean")
    # 用分组均值填充LEO_Capa列的NaN
    df["LEO_Capa"] = df["LEO_Capa"].fillna(leo_mean)
    return df

如果需要同时处理GTO_Capa的NaN #

要是你也想填充GTO_Capa的NaN，同样用分组均值，可以一次性处理：

def fill_in_capabilities(df):
    # 对指定列按分组计算均值，然后填充对应列的NaN
    df[["LEO_Capa", "GTO_Capa"]] = df.groupby("LV_Name")[["LEO_Capa", "GTO_Capa"]].transform(
        lambda x: x.fillna(x.mean())
    )
    return df

为什么不用遍历？ #

Pandas的核心是矢量化操作，遍历行的效率比矢量化操作低几个数量级，尤其是数据量大的时候，绝对不要这么干。上面的两种写法都是完全的矢量化操作，既简洁又高效。

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