代码之家 › 专栏 › 技术社区 › stone rock

如何计算数据帧中特定列的平均值?

pandas python

-1

stone rock · 技术社区 · 7 年前

我有一个数据帧,其值类型为: object . 数据帧还包含 NaN 价值观。我想忽略 南 值和列中所有剩余值的平均值。

平均值计算如下: 上限值=30 下限值=0

(上界和下界是固定的,所有值都需要计算出来。)

所以,

对于'gt;20',平均值=(20+30)/2=25
对于“>1”,平均值=(30+1)/2=15.5
对于“<5”,平均值=(5+0)/2=2.5
对于“<10”,平均值=(10+0)/2=5

数据帧:

column1
>20
NaN
<5
12
>1
<10
NaN
8

注: 列中的以上值是字符串,我想将其转换为数值。

最终转换的数据帧应为:

column1
25
NaN
2.5
12
15.5
5
NaN
8

注意:上面的值(如8和12)不会被转换。我只想将前缀为>或<其余值的值从字符串值转换为数字。

4 回复 | 直到 7 年前

gaganso 7 年前

下面的代码应用一个自定义函数,该函数检查每个元素的第一个字符,并根据该字符计算平均值。

import numpy as np
import pandas as pd
upper = 30
lower = 0

df = pd.DataFrame({'col1':['>20',np.NaN,'<5','12','>1','<10',np.NaN,'8']})
def avg(val):
    if val is not np.NaN:
        char = val[0]
        if char == '>':
            res = (float(val[1:])+upper)/2
        elif char == '<':
            res = (float(val[1:])+lower)/2
        else:
            res = float(val)
        return res

print(df["col1"].apply(avg))

输出:

Ashish Acharya 7 年前

也许还有更好的方法,但这也很有效:

df['num'] = df.column1.str.extract('(\d+)')
df['sign'] = df.column1.str.extract('([<>])').fillna('=')

def get_avg(row):
    if not row.num:
        return row.num
    elif row.sign == '>':
        return (int(row.num)+30)/2
    elif row.sign == '>':
        return (int(row.num)+0)/2
    else:
        return row.num

df['avg'] = df.apply(lambda row: get_avg(row), axis=1)

输出:

  column1 sign  num   avg
0     >20    >   20    25
1     NaN    =  NaN   NaN
2      <5    <    5     5
3      12    =   12    12
4      >1    >    1  15.5
5     <10    <   10    10
6     NaN    =  NaN   NaN
7       8    =    8     8

ALollz 7 年前

你可以用 np.select 指定要平均的值。然后,在将第1列转换为数字后,可以求平均值。

import pandas as pd
import numpy as np

lt = df[df.column1.notnull()].column1.str.contains('<')
gt = df[df.column1.notnull()].column1.str.contains('>')

conds = [lt, gt, ~(lt | gt)]
choice = [0, 30, pd.to_numeric(df[df.column1.notnull()].column1, errors='coerce')]

df.loc[df.column1.notnull(), 'column2'] = np.select(conds, choice)
df['column1'] = pd.to_numeric(df.column1.str.replace('<|>', ''))

df['Avg'] = df.mean(axis=1)

输出:

   column1  column2   Avg
0     20.0     30.0  25.0
1      NaN      NaN   NaN
2      5.0      0.0   2.5
3     12.0     12.0  12.0
4      1.0     30.0  15.5
5     10.0      0.0   5.0
6      NaN      NaN   NaN
7      8.0      8.0   8.0

iMad 7 年前

您可以编写一个函数来计算您的“自定义平均值”,然后在您的列上调用Apply。

x = np.array([['>20'],[np.NaN],['<5'],['>1'],['<10'],[np.NaN]])
df = pd.DataFrame(x,columns=["column1"])
def myFunc(content, up, low):
    try:
        if content.isnumeric(): return float(content)
        return {
            '>': (float(content[1:])+up)/2,
            '<': (float(content[1:])+low)/2
        }[content[0]]
    except:
        return np.nan

df["avg"] = df.column1.apply(lambda x: myFunc(x, up=30, low=0))