如何使用分组均值填充DataFrame（df）中的NaN缺失值

你可以通过pandas的分组均值转换逻辑实现需求，代码如下：

# 筛选所有数值型列，也可手动指定需要填充的列名列表
numeric_cols = df.select_dtypes(include='number').columns
# 按TFOPWG Disposition分组，用对应组的列均值填充该组内的缺失值
df[numeric_cols] = df.groupby('TFOPWG Disposition')[numeric_cols].transform(
    lambda col: col.fillna(col.mean())
)

相关说明：

• 该方法会保留原数据集的索引和行列结构，不会因为分组操作打乱数据顺序
• 仅对数值型列做填充处理，不会修改TFOPWG Disposition这类分类列的取值
• 如果某一分组下某一列全为NaN，填充后该列对应分组的缺失值仍会保留NaN，你可根据需要补充全局均值填充的兜底逻辑，示例如下：

# 兜底用全局均值填充剩余的NaN（可选）
df[numeric_cols] = df[numeric_cols].fillna(df[numeric_cols].mean())

内容的提问来源于stack exchange，提问作者Umang Gada