在任何时候更换产品的销售<；20和PythonDataFrame在类似组中的销售平均值相同

我想在dataframe事务（Python）中计算列“Sales”的值。i、 e.用相应类别和品牌的销售额平均值替换产品<20的销售额

例如，我的数据如下表所示：

Category,Brand,Sales
Food    , pp  , 100 
Food    , pp  , 200
Food    , pp  , 10
Cream   , xy  , 40
Cream   , xy  , 2
Cream   , xy  , 60

第三行（食品和pp）中的销售额（即10）应替换为食品和pp组中所有销售额的平均值，即100+200/2=150[不包括第三行中的销售额（即10）]。 同样适用于第五行，即2应替换为奶油销售平均值，xy即（60+40）/2=50[不包括第五行]。

使用与原始

df

大小相同的每组过滤值的

平均值
s，因此可以通过以下条件替换：

再试试这个

df.loc[df['Sales']<20,'Sales']=np.NaN
df['Sales']=df.groupby(['Category'])['Sales'].apply(lambda x: x.fillna(x.mean()))

如果我的答案有用，别忘了-点击复选标记（
✓），将其从灰显切换到亮显。谢谢。这个问题与机器学习无关-请不要对有效的标签（已删除）发送垃圾邮件。谢谢：）
a = df[df['Sales']>= 20].groupby(['Category','Brand'])['Sales'].mean()
b = df.drop('Sales', 1).join(a, on=['Category','Brand'])['Sales']
df['Sales'] = np.where(df['Sales'] < 20, b, df['Sales'])

print (df)
  Category Brand  Sales
0     Food    pp    100
1     Food    pp    200
2     Food    pp    150
3    Cream    xy     40
4    Cream    xy     50
5    Cream    xy     60

df.loc[df['Sales']<20,'Sales']=np.NaN
df['Sales']=df.groupby(['Category'])['Sales'].apply(lambda x: x.fillna(x.mean()))

  Category Brand  Sales
0     Food    pp  100.0
1     Food    pp  200.0
2     Food    pp  150.0
3    Cream    xy   40.0
4    Cream    xy   50.0
5    Cream    xy   60.0