Python 熊猫如何使用groupby将NaN值替换为平均值

我尝试使用groupby（client_id或client_name）替换列功能计数中的NaN值（它是一个范围为1到10的整数）， 然而，NaN值似乎没有消失

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)

但产出保持不变：

df['feature_count'].isnull().sum()

2254

使用按ID分组的列的其他非NaN值替换NaN值的任何其他方法？

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

但您不希望用一个系列替换空值。相反，您希望用从序列映射的平均值替换空值

因此，您可以使用以下选项：

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

更为Pandorable的是利用，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)

您使用的代码看起来是错误的，尤其是inplace=True部分。尝试先获得平均值（在变量中）。当你做到这一点，你就填补了。如果你想让我们解决这个问题，你应该根据提供一个代码示例。我有500个客户端ID，这意味着我必须找到500次平均值，这不是很多工作吗？我尝试了你的建议，NaN值没有完全消失，它们从2254减少到529@KrishnaDhruv,猜测您的一些组可能都是
NaN
，看看您的输入。否则，您需要提供一个。是的！一些小组都是NaN。谢谢你的洞察力和答案！！！！：）