pandas DataFrame按groupby分组计算均值并填充组内0值的实现方法

方案1：推荐的向量化实现（无需手动写循环，性能更高） #

直接使用pandas的groupby.transform批量计算分组填充值，再替换0值，代码更简洁高效：

import pandas as pd

df = pd.DataFrame({
    'City': ['SF','NYC','SF','NYC','SF','CHI','LA','LA','CHI'], 
    'Val': [2,4,0,0,7,4,3,5,6] 
})

# 计算每个城市的非0值整数均值，广播到和原df行数一致的序列
fill_mean = df.groupby('City')['Val'].transform(lambda x: int(x[x!=0].mean()))
# 将Val列等于0的位置替换为对应分组的均值
df['Val'] = df['Val'].mask(df['Val'] == 0, fill_mean)

print(df)

运行输出结果：

City  Val
0   SF    2
1  NYC    4
2   SF    4
3  NYC    4
4   SF    7
5  CHI    4
6   LA    3
7   LA    5
8  CHI    6

方案2：基于现有for循环的修改 #

只需要在循环内计算完mean_val后，给原df对应位置赋值即可，注意修正原代码里的变量名冲突问题（最初定义的df变量名为df1，后续循环调用时用了df）：

import pandas as pd

df = pd.DataFrame({
    'City': ['SF','NYC','SF','NYC','SF','CHI','LA','LA','CHI'], 
    'Val': [2,4,0,0,7,4,3,5,6] 
})

for name, group in df.groupby(['City']):
    # 计算当前分组非0值的整数均值
    mean_val = int(group[group['Val'] != 0]['Val'].mean())
    # 替换当前分组内的0值
    df.loc[(df['City'] == name) & (df['Val'] == 0), 'Val'] = mean_val

内容的提问来源于stack exchange，提问作者kms