如何将列均值存储为变量？解决数据清洗赋值兼容报错问题

针对疑问1：可以通过提取数值解决问题 #

你当前用agg({'LotFrontage': ['mean']})得到的是带列层级的(1,1) DataFrame，直接赋值给单个单元格会触发索引不兼容错误。要把均值存储为单一数值（整数/浮点数），有两种可行方式：

方式1：直接计算均值（推荐） #

跳过agg，直接对筛选后的LotFrontage列调用.mean()，得到的就是单个数值：

z = train.loc[
    (train.MSSubClass == 190) & 
    (train.MSZoning == 'RL') & 
    (train.LotShape == 'IR1'),
    'LotFrontage'  # 直接指定列，避免返回整行DataFrame
].mean()

# 如需转为整数，用int()或round()处理
z = int(z)  # 或者 z = round(z) 保留四舍五入的整数
a.loc[335, 'LotFrontage'] = z  # 用.loc赋值更规范，避免潜在警告

方式2：从现有DataFrame提取数值 #

如果要保留原有的agg写法，可以通过索引提取底层数值：

z = train.loc[
    (train.MSSubClass == 190) & 
    (train.MSZoning == 'RL') & 
    (train.LotShape == 'IR1')
].agg({'LotFrontage': ['mean']}).iloc[0, 0]

# 转整数
z = int(z)
a.loc[335, 'LotFrontage'] = z

针对疑问2：批量填充缺失值的替代方案 #

如果你的需求是批量填充所有符合条件的LotFrontage缺失值（而非单个行），推荐用.loc精准定位目标行后赋值，避免链式索引的潜在问题：

# 先计算目标分组的LotFrontage均值
mean_lot_frontage = train.loc[
    (train.MSSubClass == 190) & 
    (train.MSZoning == 'RL') & 
    (train.LotShape == 'IR1'),
    'LotFrontage'
].mean()

# 定位a中符合条件且LotFrontage缺失的行，填充均值
a.loc[
    (a.MSSubClass == 190) & 
    (a.MSZoning == 'RL') & 
    (a.LotShape == 'IR1') & 
    (a.LotFrontage.isna()),
    'LotFrontage'
] = mean_lot_frontage

补充说明 #

• 优先用a.loc[行索引, 列名]的方式赋值，避免a.LotFrontage[335]这种链式索引，能规避SettingWithCopyWarning。
• 如果计算均值时目标分组全为NaN，mean()会返回NaN，此时可根据需求用全局均值、中位数等兜底。

内容的提问来源于stack exchange，提问作者P-Sides