如何基于type与State分组后，分组price列nan不足3个时对缺失值进行填充

你现有代码的问题主要有3点：

• lambda表达式语法错误：关键词lambda和参数x之间缺少空格，且Python三元表达式必须补全else分支才能正常运行
• 逻辑判断写反：原需求是判断分组内NaN的数量小于3，你写的x.count()统计的是分组内非空值的数量，和需求不符
• groupby对象不能直接赋值，且transform处理单列时不需要额外加axis=1参数

完整可运行代码 #

import pandas as pd
import numpy as np

# 构造示例DataFrame，可替换为你自己的数据集
df_daily = pd.DataFrame({
    'type': ['CHR', 'CHR', 'Kia', 'Kia', 'Kia', 'Kia'],
    'state': ['NSW', 'VIC', 'NSW', 'NSW', 'NSW', 'VIC'],
    'price': [1.2, np.nan, 2, np.nan, np.nan, np.nan]
})

# 核心实现逻辑
df_daily['price'] = df_daily.groupby(['type', 'state'])['price'].transform(
    lambda x: x.fillna(x.mean()) if x.isna().sum() < 3 else x
)

print(df_daily)

代码说明 #

• 用groupby(['type', 'state'])完成两列联合分组，直接对price列做transform转换，若你的数据集州列名是大写State，同步修改分组参数即可
• x.isna().sum()统计当前分组内price列的NaN数量，符合需求的判断条件
• 三元表达式补全else分支，当NaN数量大于等于3时直接返回原列数据，保留NaN值
• 转换后的结果直接赋值给原DataFrame的price列即可完成修改

内容的提问来源于stack exchange，提问作者Amn Kh