结合groupby与mean使用时fillna失效问题的排查与解决

嘿，我来帮你捋清楚这个问题哈！你遇到的“只有第一个NaN被填充”的情况，核心是索引不匹配导致的，咱们一步步拆解：

为什么只有第一个NaN被填充？ #

你原来的填充代码里，df2.groupby('Country Name', as_index=False)['CO2'].mean()['CO2'] 返回的是一个只包含各国均值的Series，但这个Series的索引是分组后的新序列（比如0、1、2...），和原DataFrame df2 里Zambia行的索引（262、526、790这些）完全对不上。

当Pandas执行fillna时，它会尝试把均值Series里的值按索引一一对应填充到原DataFrame中。你的例子里刚好有一行的索引和均值Series的某个索引匹配，所以只有那一行的NaN被填上了，其他行因为找不到对应索引的均值，NaN就保留下来了。

正确实现：用transform批量填充各国均值 #

要让每个国家的NaN都用上自己国家的CO2均值填充，用groupby+transform是最直接的方案。transform的作用就是把分组计算出来的结果（比如均值）“广播”到该组的每一行，这样每一行都能拿到对应国家的均值，索引完全匹配，填充就不会出错了。

修改后的代码如下：

# 计算每个国家的CO2均值，并广播到组内每一行
country_co2_mean = df2.groupby('Country Name')['CO2'].transform('mean')
# 用对应国家的均值填充NaN
df2['CO2'] = df2['CO2'].fillna(country_co2_mean)

测试你的Zambia数据 #

执行完上面的代码后，你的Zambia数据会变成这样：

所有Zambia的NaN都被正确填充成了该国的CO2均值，完美解决问题～

紧凑写法 #

如果觉得单独定义变量麻烦，也可以把代码合并成一行：

df2['CO2'] = df2['CO2'].fillna(df2.groupby('Country Name')['CO2'].transform('mean'))

效果完全一样，代码更简洁。

内容的提问来源于stack exchange，提问作者cal17_hogo