如何用第二个DataFrame的对应类别均值替换首个DataFrame中的NaN空值

• 缩进错误：Python对代码缩进有严格要求，你编写的if判断语句、内层for循环都没有正确缩进，运行时会直接触发语法错误。
• 赋值逻辑错误：最后一行你使用了相等判断运算符==，而非赋值运算符=，就算前面逻辑运行正常，也不会真的修改big_mart中的缺失值。
• 运行效率低下：两层for循环遍历的方式完全没有用到pandas的矢量化运算优势，数据量稍大时运行速度会非常慢。

不需要写循环，用pandas内置的映射+填充接口就可以高效完成需求：

1. 先将存储类别均值的DataFrame转为Item_Type到对应均值的映射字典：

type_mean_map = item_type_mean.set_index('Item_Type')['mean'].to_dict()

2. 对Item_Weight列的缺失值做针对性填充：

big_mart['Item_Weight'] = big_mart['Item_Weight'].fillna(big_mart['Item_Type'].map(type_mean_map))

运行后即可看到你示例中Item_Type为Soft Drinks的行，Item_Weight的缺失值会被填充为8.7，符合预期。

内容的提问来源于stack exchange，提问作者user58653