Pandas DF用字典平均值替换none值

Question

我有一本熊猫df和一套字典。我正在尝试创建一个新列，该列的行索引处的值与字典中的值相同，如果该值不在字典中，则用整个字典的平均值替换该输入。

目前，我的代码如下所示：

df_test["course_mean_time"] = df_test["Course"].apply(lambda x: Course_dict.get(x))
df_test.course_mean_time.fillna(mean(Course_dict[k] for k in Course_dict), inplace=True)
df_test['Horse_mean_time'] = df_test["Horse"].apply(lambda x: Horse_dict.get(x))
df_test.Horse_mean_time.fillna(mean(Horse_dict[k] for k in Horse_dict), inplace=True)
df_test['Dist_mean_time'] = df_test['Dist_M'].apply(lambda x: Dist_dict.get(x))
df_test.Dist_mean_time.fillna(mean(Dist_dict[k] for k in Dist_dict), inplace=True)
df_test['Jockey_mean_time'] = df_test['Jockey'].apply(lambda x: Jockey_dict.get(x))
df_test.Jockey_mean_time.fillna(mean(Jockey_dict[k] for k in Jockey_dict), inplace=True)

course_mean_time代码可以正常工作，但是此后的所有代码都将None值替换为NaN值，而不是字典的平均值。我知道字典中有值，而且调用正确，所以我不知道为什么会发生这种情况。以上代码的输出如下所示：

​

Answer 1

我已经意识到我的错误所在。代码，

mean(Course_dict[k] for k in Course_dict)

例如，返回一个NaN值。我找到的解决方案是使用：

Series([Course_dict[k] for k in Course_dict]).mean()