Pandas通过列索引访问多列 用各列中位数填充对应NaN值

原有代码的问题 #

你写的实现存在两个容易触发错误的点：

• 你提到的1、5、8、9是列的位置索引，直接使用df[i]是按列名匹配取值，如果你的DataFrame列名不是0起始的连续整数，会直接触发KeyError，无法取到目标列。
• 对单列Series调用transform('median')属于冗余操作，单列的median()方法会直接返回该列的中位数值，不需要通过transform做格式转换。

可直接使用的实现方案 #

方案1：和你原有思路一致的for循环写法 #

严格按位置索引取列，逻辑直观不容易出错：

# 指定待处理列的位置索引
target_col_pos = [1, 5, 8, 9]
for pos in target_col_pos:
    # 按位置取整列数据
    current_col = df.iloc[:, pos]
    # 用当前列的中位数填充空值后写回原列
    df.iloc[:, pos] = current_col.fillna(current_col.median())

方案2：pandas原生批量处理写法（更简洁） #

不需要写for循环，pandas会自动按列匹配对应中位数填充，代码更简洁，运行效率更高：

# 按位置索引取出对应的列名
target_cols = df.columns[[1, 5, 8, 9]]
# 批量计算指定列的中位数，自动匹配填充空值
df[target_cols] = df[target_cols].fillna(df[target_cols].median())

提示：中位数计算仅对数值类型列有效，请提前确认待处理的4列均为数值格式，避免出现计算异常。

内容的提问来源于stack exchange，提问作者FrozenIceWinter