如何用Python实现：以15-45岁年龄组均值填充Age列缺失值

嘿，我来帮你搞定这个问题！你遇到的TypeError是因为布尔运算符的优先级坑了你——&（按位与）的优先级比>/<这类比较运算符更高，所以你的代码里train['Age'] > 15 & train['Age'] < 45会被Python先执行15 & train['Age']，这就导致了float类型数组和bool类型标量的无效比较，直接触发报错。

正确实现步骤 #

1. 给每个比较条件单独加括号，准确筛选出15至45岁的有效年龄数据
2. 计算该子集的Age均值
3. 用这个均值填充Age列的所有缺失值

完整代码 #

# 筛选15到45岁的有效年龄，计算该组均值
age_group_mean = train.loc[(train['Age'] >= 15) & (train['Age'] <= 45), 'Age'].mean()

# 用计算得到的均值填充Age列的缺失值
train['Age'] = train['Age'].fillna(age_group_mean)

验证结果 #

你可以运行下面的代码确认缺失值已被完全填充：

print(train['Age'].isnull().value_counts())

正常输出应该是False 891（714条非缺失数据+177条缺失数据的总和），说明所有缺失值都处理完毕。

如果你的需求是严格不包含边界（即15<Age<45），只需把筛选条件改成(train['Age'] > 15) & (train['Age'] < 45)即可，按需调整就行。

内容的提问来源于stack exchange，提问作者Vin Bolisetti