Python 3.x 如何使用python迭代选定coulmn的数据帧？

假设我有这样一个示例代码

_d=pd.DataFrame([[1,2,3],[4,np.nan,6],[np.nan,np.nan,8]],columns=['x','y','z'])

现在，我有一个函数，它检查值并根据场景分配所需的值

def handling_nan(_d):
    if _d['x']==1.0:
        return 100
    else:
        return _d

当我使用这个时，在我下面的代码中

_result=_d.apply(lambda x:handling_nan(x))
_result

我犯了一个错误

KeyError:（'x'，'发生在索引x'）

更新A:

简言之，我使用的是kaggle.com上的数据集，即《泰坦尼克号：从灾难中学习机器》，在该数据集中，我想介绍一个新的专栏，内容如下

如果男性且年龄为NaN，则插入男性的平均年龄，而不是NaN，如果 女性，年龄为NaN，然后插入女性总年龄的平均值（）而不是NaN

---

函数中遇到了

KeyError

，因为数据帧上的

apply（）

方法假定

axis=0

。这意味着该函数将应用于每一列，而不是每一行。要删除此错误，需要将

apply（）

调用替换为：

_result=_d.apply(lambda x:handling_nan(x), axis=1)

---

查看编辑，问题是用数据集中的分组平均值替换

NaNs

这可以使用

fillna（）

和

transform（）

方法完成，如下所示：

l=[[“M”，30]，“M”，45]，“M”，无]，“F”，76]，“F”，23]，“F”，无]]
df=pd.DataFrame（l，列=[“性别”，“年龄”]）
df['age']=df['age'].fillna（df.groupby（“sex”）['age'].transform（'mean'））

答案还有其他的解决方案

希望这有帮助