如何在Pandas中基于acc_count分组中位数填充avg_spd空值？

嘿，我来帮你搞定这个问题！你已经算出了每个acc_count对应的avg_spd中位数，现在要把原DataFrame里的空值按对应分组填充对吧？这里有两种简单好用的方法：

先回顾下你的分组结果 #

你用这段代码得到了分组中位数：

df.groupby('acc_count', as_index=False)['avg_spd'].median()

结果是：

方法一：一步到位用groupby.transform #

这是最省心的方法，不需要额外存中间结果，直接生成填充值并替换空值：

# 为每个acc_count分组生成对应中位数的填充序列
median_fill_values = df.groupby('acc_count')['avg_spd'].transform('median')

# 填充avg_spd的空值
df['avg_spd'] = df['avg_spd'].fillna(median_fill_values)

为什么这个好用？因为transform('median')会把每个分组的中位数自动匹配到原DataFrame的每一行，生成和原表一样长的Series，fillna直接就能用它替换空值，完全不用手动对应。

方法二：用字典映射填充（适合已经有分组结果的情况） #

如果你已经把之前的分组结果存成了DataFrame（比如叫median_df），可以转成字典再填充：

# 假设你已经保存了分组结果到median_df
median_df = df.groupby('acc_count', as_index=False)['avg_spd'].median()

# 把分组结果转成 {acc_count: 对应中位数} 的字典
median_mapping = median_df.set_index('acc_count')['avg_spd'].to_dict()

# 用map匹配每个行的acc_count对应的中位数，然后填充空值
df['avg_spd'] = df['avg_spd'].fillna(df['acc_count'].map(median_mapping))

这种方法的好处是，如果你之后还要重复用这些中位数，字典可以直接复用，不用再重新分组计算。

检查填充效果 #

最后可以用这句代码确认空值都被处理了：

print(df['avg_spd'].isnull().sum())

如果输出是0，就说明所有空值都按要求填充完成啦！

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