Python 使用apply和lambda函数插补缺失值

我试图根据以下代码，根据不同的项目类型取变量的平均值，以此来估算项目权重变量中缺失的值。但当我运行它时，我得到了如下添加的关键错误。是熊猫版不允许这样做还是代码有问题

Item_Weight_Average = 
  train.dropna(subset['Item_Weight']).pivot_table(values='Item_Weight',index='Item_Type')

missing = train['Item_Weight'].isnull()

train.loc[missing,'Item_Weight']= train.loc[missing,'Item_Type'].apply(lambda x: Item_Weight_Average[x])

---

有什么想法或解决办法吗

如果我了解你想做什么，那么有一个更简单的方法来解决你的问题。您可以使用groupby、transform和np.mean按项目类型计算平均项目权重，并使用fillna填充项目权重中缺失的点，而不是生成一系列新的平均值

结果是：

   item_type  item_weight
0          1          2.0
1          1          4.0
2          1          3.0
3          2         10.0
4          2         10.0
5          2         10.0

---

我使用的是Python3和Pandas版本0.20.3Hi ASGM，这正是我试图做的，您的解决方案非常有效。非常感谢：

# Setting up some toy data
import pandas as pd
import numpy as np
df = pd.DataFrame({'item_type': [1,1,1,2,2,2], 
    'item_weight': [2,4,np.nan,10,np.nan,np.nan]})

# The solution
df.item_weight.fillna(df.groupby('item_type').item_weight.transform(np.mean), inplace=True)

   item_type  item_weight
0          1          2.0
1          1          4.0
2          1          3.0
3          2         10.0
4          2         10.0
5          2         10.0