如何在Pandas中按条件替换NaN值？泰坦尼克数据集遇警告

数据老陈

2026-5-15

解决Pandas SettingWithCopyWarning问题：按性别填充Age缺失值

嘿，我来帮你搞定这个烦人的警告！首先得说，你的思路完全没问题——按性别分组用均值填充缺失值是处理泰坦尼克号Age列的经典操作，但代码里的链式索引写法踩了Pandas的坑。

为什么会出现警告？

你用了df[(df['Sex']=='male') & (df['Age'].apply(np.isnan))]['Age']这种链式索引（先筛选行再选列），Pandas没法确定你操作的是原DataFrame的「视图」还是「副本」。当你用inplace=True修改时，你可能只是在修改一个临时副本，原DataFrame根本没被更新，所以Pandas抛出警告提醒你这个风险。

两种正确的写法

方法1：用.loc精准定位（直观易懂）

先计算男女的平均年龄，再用.loc直接定位到原DataFrame的对应位置赋值，彻底避免链式索引：

import pandas as pd
import numpy as np

df = pd.read_csv('train.csv')

# 计算男女各自的平均年龄
male_avg = df[df['Sex'] == 'male']['Age'].mean()
female_avg = df[df['Sex'] == 'female']['Age'].mean()

# 用.loc定位并填充男性缺失的Age
df.loc[(df['Sex'] == 'male') & (df['Age'].isna()), 'Age'] = male_avg
# 填充女性缺失的Age
df.loc[(df['Sex'] == 'female') & (df['Age'].isna()), 'Age'] = female_avg

这里用df['Age'].isna()代替np.isnan更贴合Pandas的用法，效果完全一致。

方法2：用groupby+transform（简洁优雅）

这种方法是Pandas处理分组填充的标准写法，一行代码搞定，还能避免手动计算均值：

import pandas as pd

df = pd.read_csv('train.csv')

# 按Sex分组，用每组的均值填充Age的缺失值
df['Age'] = df.groupby('Sex')['Age'].transform(lambda x: x.fillna(x.mean()))

transform会把每组的均值广播到该组的缺失位置，直接返回和原Series长度一致的结果，赋值回原列就完成了更新。