Julia DataFrames按分组均值填充petal_length缺失值的优化方法

在iris数据框中，我已将部分值替换为missing。现需要将petal_length列中的missing值，替换为对应species分组下的petal_length均值。
现有可运行代码能满足需求（替换前后列均值保持一致），但存在可优化空间：当前实现逐行遍历全表，且额外创建了分组均值字典，需要更高效的实现方案。

原实现代码如下：

using CSV
using DataFrames
using Random
using Statistics
using StatsBase

download("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv", "iris.csv")
iris = DataFrame(CSV.File("iris.csv", delim = ","))
allowmissing!(iris)

Random.seed!(20_000)
for i in 1:100
    iris[rand(1:nrow(iris)), rand(1:4)] = missing
end

Random.seed!(20_000)
iris[sample(1:nrow(iris), 10), :species] .= missing

mean_per_species = combine(groupby(iris, :species), :petal_length => mean∘skipmissing => :mean)
mean_per_species_dict = Dict(mean_per_species.species => mean_per_species.mean)

for row in eachrow(iris)
    if ismissing(row.petal_length)
        row.petal_length = mean_per_species_dict[row.species]
    end
end

直接使用DataFrames.jl原生的分组变换接口实现，无需手动创建字典，也无需手写逐行遍历逻辑，核心代码仅需1行，底层走向量化运算，效率远高于手动循环。

优化后完整代码：

using CSV
using DataFrames
using Random
using Statistics
using StatsBase

download("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv", "iris.csv")
iris = DataFrame(CSV.File("iris.csv", delim = ","))
allowmissing!(iris)

Random.seed!(20_000)
for i in 1:100
    iris[rand(1:nrow(iris)), rand(1:4)] = missing
end

Random.seed!(20_000)
iris[sample(1:nrow(iris), 10), :species] .= missing

# 核心优化逻辑：按物种分组，用组内非缺失值的均值填充组内petal_length的缺失项
transform!(groupby(iris, :species),
    :petal_length => (col -> coalesce.(col, mean(skipmissing(col)))) => :petal_length
)

方案优势 #

• 无额外中间对象：不需要单独生成分组均值表、不需要构造字典映射，groupby操作会自动完成行和所属分组的匹配
• 无冗余遍历：coalesce.是向量化操作，仅会对缺失位置做值替换，非缺失值直接保留，不需要逐行写判断逻辑，执行速度更快
• 逻辑可读性强：填充逻辑和数据操作的原生语法一致，不需要维护循环和映射关系
• 结果完全符合预期：和原实现逻辑一致，替换前后petal_length列的均值保持不变；对于species本身缺失的行，因为没有对应分组，会保留missing值，和原逻辑的行为匹配。

内容的提问来源于stack exchange，提问作者René