这个问题在这里已有答案：
我尝试使用它来替换列功能计数中的NaN值（它的整数范围从1到10）使用groupby（client_id或client _ name），但是NaN值似乎没有。
df['feature_count'].isnull().sum()
输出是：
2254
现在我使用：
df['feature_count'].fillna(df.groupby('client_name')['feature_count'].mean(), inplace=True)
但输出仍然相同：
df['feature_count'].isnull().sum()
2254
是否有其他方法可以通过按其ID分组的列的其他非NaN值来替换NaN值？
df.groupby('client_name')['feature_count'].mean()回归系列。
但是您不希望用系列替换空值。相反，您希望使用从系列映射的平均值替换空值。
因此，您可以使用以下内容：
s = df.groupby('client_name')['feature_count'].mean()
df['feature_count'].fillna(df['client_name'].map(s), inplace=True)
更多Pandorable将是利用pd.DataFrame.transform，它为您处理映射部分：
s = df.groupby('client_name')['feature_count'].transform('mean')
df['feature_count'].fillna(s, inplace=True)