在Python中丢失按列分组

在其中一个数据帧中，我使用基于group by的其他值的平均值填充空值

假设我的数据帧是这样的

Month  Dayname  Class  Val1  Val2
Sep    Mon      A      1     2
Sep    Mon      B      3     4
Sep    Tue      A      7     5
Oct    Mon      F      5     2
Oct    Fri      K      2     8
Oct    Fri      F      7     3
Sep    Mon      A      NaN   NaN
Sep    Mon      B      NaN   NaN
Oct    Fri      F      NaN   NaN

当我使用此代码时，它会正确更新NAN

df = df.groupby(['Month','Dayname']).transform(lambda x: x.fillna(x.mean()))

但它会按列Month&Dayname

最终结果将是这样的

  Class  Val1  Val2
  A      1     2
  B      3     4
  A      7     5
  F      5     2
  K      2     8
  F      7     3
  A      2     3
  B      2     3
  F      4.5   5.5

---

我如何通过保持按列分组来完成这一行

尝试以下操作：

df=df.groupby（['Month'，'Dayname'））.apply（lambda x:x.fillna（x.mean（））.reset_index（drop=True）

对我来说唯一的区别是它排序。@LuckyZakary thx，看起来它正在工作，我将进一步测试它，只需将结果分配给现有的列

df[['Val1'，'Val2']]=df.groupby（['Month'，'Dayname']）.transform（lambda x:x.fillna（x.mean（））

@MichaelGardner列名是动态的，可能会根据数据而变化为什么需要转换而不是使用对列进行操作的apply函数

df.groupby（['Month'，'Day']）.apply（lambda x:x.fillna（x.mean（）），axis=0）

试试这个：

df=df.groupby（['Month'，'Dayname']）.apply（lambda x:x.fillna（x.mean（））.reset_index（drop=True）

对我来说唯一的区别是它排序了。@luckyzakizakary-thx，看起来它正在工作，我将测试它，只需将结果分配给现有列

df[['Val1'，'Val2']]=df.groupby（['Month'，'Dayname']）.transform（lambda x:x.fillna（x.mean（））

@MichaelGardner列名是动态的，可能会根据数据而变化为什么需要转换而不是使用对列进行操作的apply函数<代码>df.groupby（['Month'，'Day']）。应用（lambda x:x.fillna（x.mean（）），axis=0）