pandas按City分组计算新列并使用分组均值填充缺失值问题

完整可运行代码 #

import pandas as pd
import numpy as np

# 构造示例数据
df1 = pd.DataFrame({
    'City': ['SF','NYC','SF','NYC','SF','CHI','LA','LA','CHI'], 
    'Val': [2,4,0,0,7,4,3,5,6],
    'Val1': [1,1,1,1,1,1,1,1,1] 
})

# 步骤1：为Val不等于0的行计算new_col值
df1.loc[df1['Val'] != 0, 'new_col'] = df1['Val'] / df1['Val1']

# 步骤2：按城市分组，用每组内已计算的new_col均值，填充该组Val=0的空值行
df1['new_col'] = df1.groupby('City')['new_col'].transform(lambda x: x.fillna(x.mean()))

输出结果 #

运行后得到的df1结构如下：

注：你给出的预期输出中NYC组0值行的new_col为2属于笔误，按照需求规则，NYC组内非0行的new_col只有4，均值为4，对应回填值为4。

原有代码问题说明 #

• 变量名混用：定义的DataFrame变量是df1，循环逻辑中误用了不存在的df变量
• 计算逻辑顺序错误：没有先为非0行赋值new_col，直接求group['new col'].mean()只能得到空值
• 赋值目标错误：回填时没有指定目标列名为new_col，留空导致赋值失败

内容的提问来源于stack exchange，提问作者kms