假设我有一个这样的示例代码

_d=pd.DataFrame([[1,2,3],[4,np.nan,6],[np.nan,np.nan,8]],columns=['x','y','z'])

现在，我有一个函数根据场景检查值并分配期望的值

def handling_nan(_d):    if _d['x']==1.0:        return 100    else:        return _d

当我在下面的代码中使用这个函数时，

_result=_d.apply(lambda x:handling_nan(x))_result

我得到了错误

KeyError: (‘x’, ‘occurred at index x’)

更新A：

简而言之，我正在使用来自kaggle.com的数据集，即泰坦尼克号：机器学习从灾难中学习，在那个数据集中，我想引入一个新的列，条件是这样的。

如果是男性且年龄为NaN，则插入男性的平均年龄代替NaN，如果是女性且年龄为NaN，则插入女性总年龄的平均值代替NaN

回答：

在函数中遇到KeyError是因为apply()方法在数据框上默认axis=0。这意味着函数将应用于每一列而不是每一行。要消除这个错误，需要将apply()调用替换为：

_result=_d.apply(lambda x:handling_nan(x), axis=1)

从编辑来看，问题是要用分组的平均值替换数据集中的NaNs。

这可以使用fillna()和transform()方法完成，如下所示：

l = [["M", 30], ["M", 45], ["M", None], ["F", 76], ["F", 23], ["F", None]]df = pd.DataFrame(l, columns=["sex", "age"])df['age'] = df['age'].fillna(df.groupby("sex")['age'].transform('mean'))

这个答案有其他替代解决方案。

希望这对你有帮助。