如何基于Pandas DataFrame的B列将A列值替换为对应分组均值？

首先还原你的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [70.0, np.nan, 28.0, 75.0, 56.0, 84.0, np.nan, 19.0, 93.0, 94.0, 72.0],
    'B': [20, 20, 100, 120, 30, 90, 100, 10, 80, 70, 20]
})

你之前的代码无效是因为lambda表达式里使用了赋值操作s=s.mean()，lambda需要直接返回计算结果，而非赋值。

最优实现方式 #

最简洁高效的写法是直接给transform传入'mean'参数，Pandas会自动忽略NaN计算分组均值，并将结果广播到对应行：

df['AA'] = df.groupby('B')['A'].transform('mean')

如果想用lambda表达式，正确写法是直接返回分组均值：

df['AA'] = df.groupby('B')['A'].transform(lambda x: x.mean())

执行后得到的关键结果示例：

• B=20的分组，A列有效均值为(70+72)/2=71，对应3行的AA列均为71
• B=100的分组，A列仅28.0有效，对应2行的AA列均为28.0
• 所有行的AA列都会被替换为对应B分组下A列的均值（自动忽略NaN）

内容的提问来源于stack exchange，提问作者Raghu