Pandas填充汽车数据集价格列品牌中位值报错及fillna不生效问题

问题原因 #

1. replace报错原因：pandas的Series.replace()方法不支持同时指定非None的to_replace值（此处为np.nan）和字典/Series类型的替换值，你预计算的med_price是索引为品牌名的Series，不符合该方法的参数规则，因此抛出ValueError。
2. fillna不生效原因：
   • 你没有添加inplace=True参数，也没有将fillna()的返回结果赋值回car['price']，pandas默认不会修改原数据，只会返回修改后的新对象；
   • 即使添加了inplace=True也不会生效：med_price的索引是汽车品牌名，而car['price']的索引是数字行号，二者索引无法对齐，因此找不到对应填充值。
3. 中位数计算逻辑错误：你原逻辑中先把?替换为0再计算分组中位数，0会被当作有效数值参与中位数计算，得到的中位数值本身不准确。

正确实现方案 #

推荐直接用pd.to_numeric处理缺失值，配合分组transform填充，代码更简洁，结果也更准确：

import numpy as np
import pandas as pd

# 1. 直接将price列转数值类型，无法转换的'?'自动转为NaN，无需中间转0的步骤，计算中位数时会自动忽略空值
car['price'] = pd.to_numeric(car['price'], errors='coerce')

# 2. 按品牌分组，用对应品牌的价格中位数填充空值，transform会自动对齐原数据行索引
car['price'] = car['price'].fillna(car.groupby('make')['price'].transform('median'))

如果要沿用你预计算中位数的逻辑，可调整为按品牌匹配填充：

# 先将?转为NaN，避免0参与中位数计算
car['price'] = car['price'].replace('?', np.nan).astype(float)
# 计算中位数时自动忽略空值
med_price = car.groupby('make')['price'].median()
# 按品牌匹配填充空值
car.loc[car['price'].isna(), 'price'] = car.loc[car['price'].isna(), 'make'].map(med_price)

内容的提问来源于stack exchange，提问作者Ankur Kumar