Python 如何根据其他列替换dataframe列中的值

我正在研究卡格尔比赛的NFL数据：

播放列表数据集有

温度

列，一些温度值为-999。我想用每种类型体育场的平均温度值来代替

-999

我将体育场类型分为六类：

• 户外
• 室内休息室关闭
• 室内公开赛

我尝试了

groupby

，还创建了新的数据帧和合并，但我觉得有一个更简单的解决方案。 请在以下命令后查找以下数据集示例：

play_-list_-df[播放_-list_-df['Temperature']==-999]

我想用每类体育场的温度平均值来代替-999。 下面是我使用groupby和agg'mean'函数得到的平均值。

play_list_df[play_list_df['Temperature']！=-999].groupby（'StadiumType_cat'）.mean（）

---

提前感谢您的支持。

您可以将所有-999值替换为NaN，然后按类别分组并使用

。使用lambda函数转换
，用平均值填充Na

测试很困难，因为您没有提供示例数据集（将来，不要发布代码或数据集的图片。发布实际代码或要使用的数据集）

请提供一个示例数据集以及该数据集的预期输出。欢迎使用SO！请花一点时间阅读关于如何发布熊猫的问题：谢谢你的解决方案，它是有效的，我还将听取你关于正确发布的提示。我是ML和stackoverflow方面的新手，因此确实需要您的指导。再次感谢您的支持：）没问题。始终尝试提供数据集（或至少一个样本）供人们使用和测试。我刚刚制作了一个小样本数据框供我使用，但大多数人不会。如果你愿意，也可以随时给我发电子邮件。我三年前完成了我的硕士学位。我做了关于ML和预测nfl DFS的论文。我喜欢处理体育数据。杰森。schvach@gmail.com
import numpy as np
play_list_df['Temperature'] = play_list_df['Temperature'].replace(-999, np.NaN)
play_list_df["Temperature"] = play_list_df.groupby("StadiumType_cat")['Temperature'].transform(lambda x: x.fillna(x.mean()))