index = pd.MultiIndex.from_product([Order_df['Arrive_step'].unique(), Order_df['Pickup_Zone'].unique(), Order_df['Dropoff_Zone'].unique()], names=['Arrive_step', 'Pickup_Zone', 'Dropoff_Zone']) grouped_Travel_time = Order_df.groupby(['Arrive_step', 'Pickup_Zone', 'Dropoff_Zone'])['Travel_time'].mean().reindex(index, fill_value=0) grouped_Travel_time你可以在这个代码的基础上进行修改以实现上面的要求吗

是的，可以在这个代码的基础上进行修改以实现上述要求。下面是代码示例：

# 用于填充缺失值的均值计算函数
def fill_missing_mean(group):
    mean = group.mean()
    return group.fillna(mean)

# 构建多级索引
index = pd.MultiIndex.from_product([Order_df['Arrive_step'].unique(), Order_df['Pickup_Zone'].unique(), Order_df['Dropoff_Zone'].unique()], names=['Arrive_step', 'Pickup_Zone', 'Dropoff_Zone'])

# 按照多级索引分组并计算均值，然后用均值填充缺失值
grouped_Travel_time = Order_df.groupby(['Pickup_Zone', 'Dropoff_Zone']).apply(fill_missing_mean).groupby(['Arrive_step', 'Pickup_Zone', 'Dropoff_Zone'])['Travel_time'].mean().reindex(index, fill_value=0)

这段代码首先定义了一个名为`fill_missing_mean`的函数，用于计算每组非缺失值的均值，并用均值填充缺失值。然后，它使用`groupby`方法按照`Pickup_Zone`和`Dropoff_Zone`分组，进行缺失值填充。接着，它再次使用`groupby`方法按照多级索引分组，并计算每组的均值。最后，它使用`reindex`方法按照多级索引重新索引，并填充缺失值为0。