pandas groupby配合fillna按分组均值填充报错或不生效问题

三种写法失效/报错的核心原因都和pandas索引对齐逻辑、版本兼容bug有关，具体对应：

• 第一种写法（loc+transform赋值）报错：pandas 1.x部分早期版本存在类型校验bug，当使用loc布尔切片给列赋值时，会错误校验等号右侧transform返回序列的dtype，将float64类型的均值误识别为long类型，和切片的对象类型标记不匹配，最终抛出Buffer dtype mismatch错误，和列本身的实际数据类型无关。
• 第二种写法（直接用groupby均值fillna）填充失败：df.groupby(["name", "job"])['weight'].mean()返回的是以name、job为多重索引的聚合结果，索引结构和原weight列的默认整数RangeIndex完全不匹配。fillna是按索引精确匹配填充值的，索引对不上时所有空值位置都找不到对应填充值，NaN自然会保留。
• 第三种写法（groupby+apply填充）填充失败：设置sort=False时，部分pandas版本的groupby.apply会按分组键重排返回结果的索引，不会保留原表的行顺序，直接赋值回原列时会出现值行错位，无法正确匹配到空值位置完成填充。

核心原则是保证待填充的均值序列和原weight列长度一致、索引完全对齐，最稳妥无兼容问题的写法是直接用transform返回对齐的分组均值，传入fillna即可，不需要做loc切片：

import pandas as pd

# 构造测试数据
data = {'name':  ['Alex', 'Ben', 'Marry','Alex', 'Ben', 'Marry'],
        'job': ['teacher', 'doctor', 'engineer','teacher', 'doctor', 'engineer'],
        'age': [27, 32, 78,27, 32, 78],
        'weight': [160, 209, 130,164, 206, 132],
        'date': ['6-12-2022', '6-12-2022', '6-12-2022','6-13-2022', '6-13-2022', '6-13-2022']
        }
df = pd.DataFrame(data)
# 新增6-14的空值记录
df = pd.concat([df, pd.DataFrame({
    'name':['Alex','Ben','Marry'],
    'job':['teacher','doctor','engineer'],
    'age':[None,None,None],
    'weight':[None,None,None],
    'date':['6-14-2022']*3
})], ignore_index=True)

# 正确分组填充weight列
df['weight'] = df['weight'].fillna(
    df.groupby(["name", "job"])['weight'].transform('mean')
)

# 如需填充age列逻辑完全一致
df['age'] = df['age'].fillna(
    df.groupby(["name", "job"])['age'].transform('mean')
)

运行后6-14的三条记录会被正确填充：

• Alex（teacher）的weight为162、age为27
• Ben（doctor）的weight为207.5、age为32
• Marry（engineer）的weight为131、age为78

内容的提问来源于stack exchange，提问作者mnm