如何使用python为选定的同伴迭代DataFrame？

Question

假设我有这样的示例代码

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

现在，我具有一个检查值并根据场景指定期望值的功能

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

当我使用此代码时，在下面的代码中，

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

我遇到错误

KeyError：（'x'，'发生在索引x'）

UPDATE A：

简而言之，我正在使用来自kaggle.com的数据集，即Titanic：从灾难中学习机器，在该数据集中，我想引入一个新列，其条件是这样的。

如果男性且年龄为NaN，则插入男性的mean（）年龄而不是NaN，如果女性且年龄为NaN，然后​​插入女性总年龄的均值（）代替NaN

Answer 1

在函数中遇到

KeyError，因为数据帧上的apply()方法采用axis=0。这意味着该函数将应用于每一列而不是每一行。要消除此错误，需要将apply()调用替换为：

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

---

查看编辑，问题是用数据集中的分组均值替换NaNs。

这可以使用fillna()和transform()方法如下进行：

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'))

[This答案还有其他替代解决方案。

希望这会有所帮助。