熊猫如何使用groupby将NaN值替换为平均值

Question

我尝试使用groupby（client_id或client _ name），用它来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

是否还有其他方法可以通过按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。

但是您不希望将空值替换为一系列。相反，您想用从系列映射的均值替换空值。

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，它为您处理映射部分：

s = df.groupby('client_name')['feature_count'].transform('mean')
df['feature_count'].fillna(s, inplace=True)