Python DataFrame中按类别品牌分组替换低销量值为组内有效均值

我来给你一个精准匹配需求的实现方案，用Pandas就能轻松搞定这个插补任务。

核心思路 #

我们需要针对Sales小于20的记录，替换为同Category+Brand分组下，排除当前这条低销量值后的Sales均值。关键在于计算分组均值时要排除当前行本身，而不是直接用整个分组的均值。

完整代码实现 #

1. 导入依赖并构造示例数据 #

首先先准备好测试用的DataFrame，和你给出的示例结构一致：

import pandas as pd

# 构造示例数据
data = {
    'Category': ['Food', 'Food', 'Food', 'Cream', 'Cream', 'Cream'],
    'Brand': ['pp', 'pp', 'pp', 'xy', 'xy', 'xy'],
    'Sales': [100, 200, 10, 40, 2, 60]
}
Transactions = pd.DataFrame(data)

2. 实现分组排除自身的均值计算 #

定义一个辅助函数，用来计算每个分组中排除当前行后的均值，再结合groupby.transform为每一行生成对应的插补值：

def get_group_mean_without_self(group):
    group_total = group.sum()
    group_size = len(group)
    # 处理分组只有1行的边界情况（避免除以0）
    if group_size == 1:
        return group  # 可以根据业务需求改成其他默认值，比如0或者全局Sales均值
    # 总和减去当前行的值，再除以（分组大小-1）就是排除自身后的均值
    return (group_total - group) / (group_size - 1)

# 按Category和Brand分组，生成每个行对应的插补候选值
Transactions['temp_impute_val'] = Transactions.groupby(['Category', 'Brand'])['Sales'].transform(get_group_mean_without_self)

# 替换Sales<20的记录，其他保留原值
Transactions['Sales'] = Transactions.apply(
    lambda row: row['temp_impute_val'] if row['Sales'] < 20 else row['Sales'],
    axis=1
)

# 清理临时列
Transactions = Transactions.drop('temp_impute_val', axis=1)

3. 处理后的结果 #

运行完代码后，你的DataFrame会变成这样：

完全符合你要求的插补结果：Food-pp组的10被替换成(100+200)/2=150，Cream-xy组的2被替换成(40+60)/2=50。

边界情况说明 #

如果某个Category+Brand分组只有1条记录，且这条记录的Sales<20，我们的代码会保留原数值（你可以根据业务需求修改get_group_mean_without_self函数里的默认返回值，比如改成全局Sales的均值）。

内容的提问来源于stack exchange，提问作者Mighty