基于DataFrame按A列分组，用组内均值补全B列NaN

刚好处理过类似需求，直接给你简洁高效的实现方式：

首先先还原你的示例数据（如果已经有现成的DataFrame可跳过这步）：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1,1,1,2,2],
    'B': [100.0, np.nan, 200.0, 100.0, np.nan]
})

核心处理代码就一行，用groupby结合transform实现分组填充：

df['B'] = df.groupby('A')['B'].transform(lambda x: x.fillna(x.mean()))

运行后会得到这样的结果：

A      B
0  1  100.0
1  1  150.0
2  1  200.0
3  2  100.0
4  2  100.0

简单解释下原理： #

• groupby('A') 将DataFrame按A列的取值分成两组（A=1和A=2）
• transform 是关键：它会保留原数据的索引结构，对每组计算B列的均值后，返回和原数据行数一致的结果，确保能精准对应到每组的缺失值位置
• 每组内用x.fillna(x.mean())把NaN替换为该组的均值：A=1组的B列均值是(100+200)/2=150，刚好填充对应NaN；A=2组只有一个有效值100，均值就是100，填充对应的NaN

如果想要把B列转成整数格式（和你预期的输出完全一致），再加一行转换代码即可：

df['B'] = df['B'].astype(int)

最终输出结果：

A    B
0  1  100
1  1  150
2  1  200
3  2  100
4  2  100

内容的提问来源于stack exchange，提问作者wangtianye