如何基于双列分组均值填充DataFrame中Age列的缺失值

你写的框架代码出错是因为 map() 是 Pandas Series 独有的方法，直接对双列组成的 DataFrame 调用 map() 会报错，下面提供两种可行的实现方案：

方案1：基于map的实现（匹配你原来的思路） #

你只需要把双列按行拼接为元组，变成单列Series后就可以调用map匹配分组均值：

# 先存储双列分组的Age均值
grouped_age_mean = df.groupby(["col_X","col_Y"])["Age"].mean()
# 空值填充
df.loc[df['Age'].isnull(),'Age'] = df[['col_X',"col_Y"]].apply(tuple, axis=1).map(grouped_age_mean)

这里的分组均值grouped_age_mean本身是MultiIndex结构的Series，刚好可以和两列组成的元组key一一对应，完成映射填充。

方案2：更简洁的transform实现 #

用transform可以直接把分组均值广播到每个对应分组的行上，配合fillna直接完成填充，代码更精简：

df['Age'] = df['Age'].fillna(df.groupby(["col_X","col_Y"])["Age"].transform('mean'))

这个方法不需要单独筛选空值行，fillna会自动只替换空值位置，执行效率也更高。

内容的提问来源于stack exchange，提问作者Keperoze