按分组行和按列迭代填充 Na

Question

图像：https://i.stack.imgur.com/nljvJ.png它不允许我上传，因为我还没有信誉点，但它是数据帧的截图

我有一个pandas数据框架，它有很多位置(行(，每个位置都有相同的年份(1990-2020(和列，然后有很多属性列，每个列都有数据。我想找到每个位置的每个专栏的所有年份的平均值。

这就是我正在尝试的，但它不起作用。

location_names_list=[‘中欧和波罗的海国家’，‘加勒比海小国’…

worldbank是一个pandas数据框架。

world_bank = wb.download(indicator=indicators_list, country=countries, start=1990, end=2019)
for location in location_names_list: 
for column in world_bank:
mean_variable = world_bank.loc[location, column].mean()
world_bank.loc[location, column].fillna(mean_variable, inplace=True)

Answer 1

请查看Paul在最佳发布实践评论部分的说明。

不管怎样，我知道你只想要一个使用分组平均值的fillna。是吗？

如果是这样的话，我相信groupby+transform+lambda可以在一行中帮助您。

例如：

df['Central Europe and the Baltics'] = df.groupby('country')['Central Europe and the Baltics'].transform(lambda x: x.fillna(x.mean()))

因此，要遍历所有列，可以执行以下操作：

for col in df.columns:
df[col] = df.groupby('country')[col].transform(lambda x: x.fillna(x.mean()))