如何基于字符串分组列，使用Pandas Transform实现分组均值插补？

没问题，针对你这种以字符串类型列（比如车型）分组填充数值列缺失值的场景，用Pandas的groupby + transform组合就能完美解决，我给你一步步拆解实现方法，附样本数据和代码：

1. 先构造符合你场景的样本数据 #

假设你的数据长这样（你可以直接替换成自己的真实数据集）：

import pandas as pd
import numpy as np

# 构造样本数据：车型是字符串列，里程、发动机功率存在缺失值
data = {
    'Car Model': ['Toyota Camry', 'Toyota Camry', 'Honda Accord', 'Honda Accord', 'Toyota Camry', 'Honda Accord', 'Ford F-150', 'Ford F-150'],
    'Mileage': [50000, np.nan, 60000, np.nan, 55000, 62000, np.nan, 70000],
    'Engine Power': [178, np.nan, 192, 190, np.nan, np.nan, 375, np.nan]
}

df = pd.DataFrame(data)

2. 核心实现代码 #

关键是先指定需要填充的数值列，然后按字符串分组后用transform计算组内均值并填充缺失值：

# 定义需要填充的数值列（根据你的实际列名调整）
num_cols = ['Mileage', 'Engine Power']

# 按车型分组，对每组的数值列用组内均值填充缺失值
df[num_cols] = df.groupby('Car Model')[num_cols].transform(
    lambda x: x.fillna(x.mean())
)

3. 代码解释 #

• groupby('Car Model')：以字符串类型的车型列为分组依据，把相同车型的行归为一组
• transform(lambda x: x.fillna(x.mean()))：对每个组的每个数值列，计算该组的均值，然后用这个均值替换组内该列的所有缺失值。transform的作用是让结果保持和原DataFrame相同的索引，不会打乱原有数据结构
• 只对num_cols指定的数值列操作，避免误修改字符串列

4. 特殊情况处理（可选） #

如果某个车型组内的某列全部是缺失值，那x.mean()会得到NaN，这时候可以用全局均值兜底：

df[num_cols] = df.groupby('Car Model')[num_cols].transform(
    lambda x: x.fillna(x.mean() if not pd.isna(x.mean()) else df[x.name].mean())
)

验证结果 #

执行完代码后，你可以用df.isnull().sum()检查缺失值是否已经被填充，或者直接打印df查看具体填充后的数值。

内容的提问来源于stack exchange，提问作者user16755