无法计算聚合平均值

Question

我有一个这种形式的数据集：

Customer_key  purcahse_amount   Date
12633           4435           08/07/2021
34243           7344           11/11/2021
54355           4642           10/11/2020
12633           6322           11/12/2021

Purchase_amount 的 Nan 值很少....我想用 purcahse_amount 的平均值替换 Nan 值，但应该只为那个特定的 customer_key 计算平均值。例如，如果您看到customer_key=12633 在第 1 行和第 4 行中重复。因此，对于具有customer_key=12633 的任何行，如果缺少purcahse_amount 的值，则将其替换为该purchase_amount 的平均值customer_key=12633 的所有行中。

Answer 1

您可以groupby "Customer_key" 然后计算 "purchase_amount" 的平均值并将其转换为 DataFrame（我们需要对其进行转换以在 np.where 中使用它，其中要选择的值必须是可广播的）。请注意，mean 方法默认会跳过 NaN 值，因此它会转换非 NaN 值的平均值。

然后使用np.where，具体取决于“purchase_amount”是否为 NaN 或未填写组特定平均值或保持原始值。

means = df.groupby('Customer_key')['purchase_amount'].transform('mean')
df['purchase_amount'] = np.where(df['purchase_amount'].isna(), means, df['purchase_amount'])

或者你可以使用fillna:

df['purchase_amount'] = df['purchase_amount'].fillna(means)

例如，如果您有df，如下所示：

   Customer_key  purchase_amount        Date
0         12633           4435.0  08/07/2021
1         34243           7344.0  11/11/2021
2         54355           4642.0  10/11/2020
3         12633           6322.0  11/12/2021
3         12633              NaN  11/12/2021

以上两个选项都会产生：

   Customer_key  purchase_amount        Date
0         12633           4435.0  08/07/2021
1         34243           7344.0  11/11/2021
2         54355           4642.0  10/11/2020
3         12633           6322.0  11/12/2021
3         12633           5378.5  11/12/2021