替换gps_height列零值为所属ward类别均值时遇代码报错求助

嘿，我来帮你排查这个问题！这种按类别填充零值的需求在数据清洗里超常见，我先梳理下最可能出问题的地方，再给你靠谱的解决方案：

先明确核心逻辑避坑 #

你要做的是：如果某条记录的gps_height为0，就用它所属ward分组的非零gps_height均值替换（注意：千万别把零值算进分组均值里，不然填充后数据还是会偏低，这是新手常踩的坑！）

常见报错原因&对应解决办法 #

1. 分组均值计算包含零值，导致结果不符合预期 #

很多人一开始会直接写：

ward_mean = df.groupby('ward')['gps_height'].mean()

但这样会把每个ward里的0值也算进均值，填充后数据还是不准。正确的做法是先过滤零值再算均值：

# 计算每个ward的非零gps_height均值
ward_mean = df[df['gps_height'] != 0].groupby('ward')['gps_height'].mean()

2. 替换时触发KeyError或填充NaN #

如果你的ward列存在空值，或者某个ward的所有gps_height都是0，那ward_mean里会没有这些ward的记录，直接映射会得到NaN。解决办法是加兜底逻辑：

# 先算全局非零均值，作为找不到分组均值时的兜底
global_mean = df[df['gps_height'] != 0]['gps_height'].mean()

# 用apply+get方法完成填充，找不到对应ward的均值就用全局均值
df['gps_height'] = df.apply(
    lambda row: ward_mean.get(row['ward'], global_mean) if row['gps_height'] == 0 else row['gps_height'],
    axis=1
)

或者用更高效的transform写法：

# 用mask标记零值，替换为对应分组的非零均值
df['gps_height'] = df['gps_height'].mask(
    df['gps_height'] == 0,
    df.groupby('ward')['gps_height'].transform(lambda x: x[x != 0].mean())
)
# 填充仍为NaN的记录（比如该ward全是0）
df['gps_height'] = df['gps_height'].fillna(global_mean)

3. 数据类型不匹配导致报错 #

比如gps_height是字符串类型而非数值型，或者ward列有空白字符：

# 检查数据类型
print(df.dtypes)

# 把gps_height转为数值型（处理可能的非数值字符）
df['gps_height'] = pd.to_numeric(df['gps_height'], errors='coerce')

# 去除ward列的空白字符
df['ward'] = df['ward'].str.strip()

4. 索引问题导致映射失败 #

如果你的数据表索引不是默认整数索引，可能会干扰分组映射，重置索引即可：

df = df.reset_index(drop=True)

完整可运行示例代码 #

import pandas as pd

# 模拟你的数据
data = {
    'ward': ['A', 'A', 'B', 'B', 'B', 'C'],
    'gps_height': [0, 100, 200, 0, 300, 0]
}
df = pd.DataFrame(data)

# 计算分组非零均值和全局非零均值
ward_mean = df[df['gps_height'] != 0].groupby('ward')['gps_height'].mean()
global_mean = df[df['gps_height'] != 0]['gps_height'].mean()

# 填充零值
df['gps_height'] = df.apply(
    lambda row: ward_mean.get(row['ward'], global_mean) if row['gps_height'] == 0 else row['gps_height'],
    axis=1
)

print(df)

运行后输出：

ward  gps_height
0    A        100.0
1    A        100.0
2    B        200.0
3    B        250.0
4    B        300.0
5    C        200.0

（注：C ward全是0，所以用全局均值200填充）

如果还是报错，把具体的报错信息（比如KeyError、ValueError）贴出来，我再帮你精准定位！

内容的提问来源于stack exchange，提问作者Angela Hc