Python Pandas实现数据分组求平均值并填充nan的示例

Python实现按某一列关键字分组，并计算各列的平均值，并用该值填充该分类该列的nan值。

DataFrame数据格式

fillna方式实现

groupby方式实现

DataFrame数据格式

以下是数据存储形式：

fillna方式实现

1、按照industryName1列，筛选出业绩

2、筛选出相同行业的Series

3、计算平均值mean，采用fillna函数填充

4、append到新DataFrame中

5、循环遍历行业名称，完成2,3,4步骤

factordatafillna = pd.DataFrame()
industrys = newfactordata1.industryName1.unique()
for ind in industrys:
 t = newfactordata1.industryName1 == ind
 a = newfactordata1[t].fillna(newfactordata1[t].mean())
 factordatafillna = factordatafillna.append(a)

groupby方式实现

采用groupby计算，详细见代码注释

df = pd.DataFrame({'code':[1,2,3,4,5,6,7,8],
         'value':[np.nan,5,7,8,9,10,11,12],          
         'value2':[5,np.nan,7,np.nan,9,10,11,12],
         'indstry':['农业1','农业1','农业1','农业2','农业2','农业4','农业2','农业3']},
         columns=['code','value','value2','indstry'],
         index=list('ABCDEFGH'))

# 只留下需要处理的列
cols = [col for col in df.columns if col not in['code','indstry']]
# 分组的列
gp_col = 'indstry'
# 查询nan的列
df_na = df[cols].isna()
# 根据分组计算平均值
df_mean = df.groupby(gp_col)[cols].mean()

print(df)

# 依次处理每一列
for col in cols:
 na_series = df_na[col]
 names = list(df.loc[na_series,gp_col])  

t = df_mean.loc[names,col]
 t.index = df.loc[na_series,col].index

# 相同的index进行赋值  
 df.loc[na_series,col] = t

print(df)

code value value2 indstry
A   1  NaN   5.0   农业1
B   2  5.0   NaN   农业1
C   3  7.0   7.0   农业1
D   4  8.0   NaN   农业2
E   5  9.0   9.0   农业2
F   6  10.0  10.0   农业4
G   7  11.0  11.0   农业2
H   8  12.0  12.0   农业3
 code value value2 indstry
A   1  6.0   5.0   农业1
B   2  5.0   6.0   农业1
C   3  7.0   7.0   农业1
D   4  8.0  10.0   农业2
E   5  9.0   9.0   农业2
F   6  10.0  10.0   农业4
G   7  11.0  11.0   农业2
H   8  12.0  12.0   农业3

来源：https://blog.csdn.net/u010383605/article/details/78879515#groupby方式实现