如何用Python/Pandas按IMDB Score分组求均值填充Meta Score空值？

核心思路 #

针对Meta Score的空值，按IMDB Score分组，用同组内非空Meta Score的均值填充，而非全局均值。

示例代码实现 #

1. 构造测试数据

先模拟你的电影数据集：

import pandas as pd
import numpy as np

data = {
    '电影': ['A', 'B', 'C', 'D', 'E'],
    'IMDB Score': [7, 8, 8, 8, 8],
    'Meta Score': [75, 82, 85, np.nan, 88]
}
df = pd.DataFrame(data)

2. 方法一：用groupby + transform快速填充

transform会为每行返回对应IMDB分组的Meta Score均值，直接配合fillna使用：

# 生成每行对应的IMDB分组Meta Score均值
group_mean = df.groupby('IMDB Score')['Meta Score'].transform('mean')
# 填充空值
df['Meta Score'] = df['Meta Score'].fillna(group_mean)

3. 方法二：先预计算分组均值字典，再映射填充

如果需要更清晰的分组逻辑，先计算每个IMDB Score对应的均值字典，再通过映射填充：

# 计算每个IMDB分组的Meta Score均值，转为字典
mean_dict = df.groupby('IMDB Score')['Meta Score'].mean().to_dict()
# 对空值行，用IMDB Score匹配字典中的均值填充
df['Meta Score'] = df['Meta Score'].fillna(df['IMDB Score'].map(mean_dict))

效果验证 #

运行代码后，电影D的Meta Score会被填充为IMDB=8分组的均值(82+85+88)/3=85，最终结果如下：

内容的提问来源于stack exchange，提问作者LostDev