求助：按car_model分组用中位数填充engine_capacity列NA值失败

原代码存在的问题 #

• 遍历赋值无效：itertuples返回的是只读元组对象，修改循环变量i不会同步到原nancap数据框中，这是代码不生效的核心原因。
• NaN判断逻辑错误：用i.is_integer() == False识别NA值完全不合理——真正的NaN调用is_integer()会报错，且像2000.0这类整数型浮点数会被误判为非NA值，正确的NA判断应该用pd.isna()。
• 嵌套循环效率极低：双重循环遍历数据框的写法完全违背Pandas的向量化操作思路，数据量较大时性能会严重下降。

正确实现方案 #

方法一：使用groupby+transform（推荐） #

通过Pandas原生的分组转换API完成填充，简洁高效：

import pandas as pd

url = 'https://raw.githubusercontent.com/YousefAlotaibi/saudi_used_cars_price_prediciton/main/data/cars_cleaned_data.csv'
df = pd.read_csv(url)

# 按car_model分组，用组内中位数填充engine_capacity的NA值
df['engine_capacity'] = df.groupby('car_model')['engine_capacity'].transform(
    lambda x: x.fillna(x.median())
)

# 基于修改后的原数据框生成目标nancap
nancap = df[['engine_capacity', 'car_model']]

方法二：使用映射字典匹配填充 #

先构建车型与中位数的映射关系，再针对性填充NA值：

import pandas as pd

url = 'https://raw.githubusercontent.com/YousefAlotaibi/saudi_used_cars_price_prediciton/main/data/cars_cleaned_data.csv'
df = pd.read_csv(url)

# 生成car_model对应engine_capacity中位数的字典
cap_median_map = df.groupby('car_model')['engine_capacity'].median().to_dict()

# 对engine_capacity的NA值，替换为对应车型的中位数
df['engine_capacity'] = df.apply(
    lambda row: cap_median_map[row['car_model']] if pd.isna(row['engine_capacity']) else row['engine_capacity'],
    axis=1
)

nancap = df[['engine_capacity', 'car_model']]

关键说明 #

• 优先选择方法一，transform是Pandas专为分组后逐行处理设计的API，性能远高于循环遍历。
• 所有操作直接在原数据框df上修改后再提取nancap，避免数据分离导致的同步问题。

内容的提问来源于stack exchange，提问作者yousef