熊猫如何使用groupby将NaN值替换为平均值

Question

我试着使用groupby（client_id或client _ name）替换列特征计数中的NaN值（其整数范围为1到10），但是NaN值似乎没有变化。df['feature_count'].isnull().sum()输出为：2254现在我使用：df['feature_count'].fillna(df.groupby('client_name')['feature_count'].mean(), inplace=True)但是输出保持不变：df['feature_count'].isnull().sum()2254还有其他方法可以通过按其ID分组的列的其他非NaN值来替换NaN值？

Answer 1

df.groupby('client_name')['feature_count'].mean() 返回一个序列。

但是，您并不想将null值替换为series。相反，您想将空值替换为从series映射的均值。

因此，您可以使用以下内容：

s = df.groupby('client_name')['feature_count'].mean()

df['feature_count'].fillna(df['client_name'].map(s), inplace=True)

更可恶的将是利用pd.DataFrame.transform，它可以为您处理映射部分：

s = df.groupby('client_name')['feature_count'].transform('mean')

df['feature_count'].fillna(s, inplace=True)