Pandas DataFrame按a、b分组填充c列None值问题

你的需求很明确——按a和b的组合分组，用每组c列的均值填充组内的None值。先说说你原来代码的问题，再给你高效的解决方案：

你原有代码的问题 #

1. 布尔索引写法错误：你写的df[df[('a'==1) & ('b'==1)]]完全不对。首先'a'==1是字符串和数字比较，结果永远是False，导致筛选不到任何行；其次正确的筛选方式应该是df[(df['a'] == 1) & (df['b'] == 1)]，用括号把每个条件包起来，再用&连接。
2. 只能处理单个分组：这种写法要手动指定每个a和b的组合，要是分组多的话，重复代码会非常繁琐，完全不高效。

正确的实现方法 #

用groupby结合transform是最简洁高效的方式，它会自动对每个分组计算均值并填充对应行的None：

步骤1：先构造你的DataFrame（方便测试） #

import pandas as pd

# 构造你给出的数据集
df = pd.DataFrame({
    'a': [1,1,1,1,1,1,2,2,2,2,2],
    'b': [1,1,1,2,2,2,1,1,1,2,2],
    'c': [5.0, None, 4.0, 1.0, 1.0, 4.0, 3.0, 2.0, None, 3.0, 4.0]
})

步骤2：分组填充None值 #

# 按a和b分组，对每个分组的c列用组内均值填充None
df['c'] = df.groupby(['a', 'b'])['c'].transform(lambda x: x.fillna(x.mean()))

结果验证 #

执行后你的DataFrame会变成：

代码解释 #

• groupby(['a', 'b'])：将DataFrame按a和b的唯一组合分成多个子组；
• transform：会把每个分组的计算结果（这里是填充后的c列）映射回原DataFrame对应的行，保证索引对齐；
• lambda x: x.fillna(x.mean())：对每个分组的c列，用该分组的均值填充其中的None值。

内容的提问来源于stack exchange，提问作者user495490