如何通过双索引groupby均值映射填充DataFrame收入列的NA缺失值

你原来的写法无法生效的核心原因是：map仅支持单值映射，双索引聚合结果的键是(income_type, education)格式的元组，需要先完成行维度的双字段匹配对齐才能填充。

下面是两种可直接落地的实现方案：

方案1：groupby.transform 一步完成（最简洁） #

如果不需要单独留存分组均值结果，直接用transform方法即可自动对齐原DataFrame的索引，不需要额外处理映射关系：

df['total_income'] = df['total_income'].fillna(
    df.groupby(['income_type', 'education'])['total_income'].transform('mean')
)

transform会把分组聚合得到的均值，自动按分组规则还原成和原DataFrame行数一致的序列，空值位置会自动匹配对应分组的均值填充。

方案2：复用已计算好的双索引均值 #

如果你已经提前计算好了income_means这个双索引聚合结果，可以通过构造元组索引完成匹配：

# 若你的income_means是带多级列名的DataFrame，先执行这行转为双索引Series
# income_means = income_means.droplevel(0, axis=1).squeeze()

# 构造双字段元组匹配映射，填充空值
fill_dict = income_means.to_dict()
df['total_income'] = df['total_income'].fillna(
    df.set_index(['income_type', 'education']).index.map(fill_dict)
)

注意事项 #

• 匹配前需要确保income_type、education两个分组字段没有空值，否则会出现匹配失败的情况，如果这两个字段存在空值，建议先填充为统一的默认分类（如未知）后再做分组聚合和匹配。
• 如果存在某组(income_type, education)的所有样本total_income都为空的情况，该组的均值也会为空，填充后对应位置仍会保留空值，需要提前做好异常分支处理。

内容的提问来源于stack exchange，提问作者Digital Moniker