熊猫：如何找到在COVID-19数据框中达到局部爆发高峰的平均天数？

Question

比方说，我有一个数据框，其中包含每个国家/地区的活动案例数与先前值的差异：

[in]
import pandas as pd
import numpy as np
active_cases = {'Day(s) since outbreak':['0', '1', '2', '3', '4', '5'], 'Australia':[np.NaN, 10, 10, -10, -20, -20], 'Albania':[np.NaN, 20, 0, 15, 0, -20], 'Algeria':[np.NaN, 25, 10, -10, 20, -20]}
df = pd.DataFrame(active_cases)
df

[out]
    Day(s) since outbreak   Australia   Albania     Algeria
0             0                   NaN       NaN         NaN
1             1                  10.0      20.0        25.0
2             2                  10.0       0.0        10.0
3             3                 -10.0      15.0       -10.0
4             4                 -20.0       0.0        20.0
5             5                 -20.0     -20.0       -20.0

我需要找到在此COVID-19数据框中达到局部爆发高峰的平均天数。

我的解决方案是在每列中找到第一个负值的第n行（例如，“ Australia”中的第一个负值的n行：3，“ Albania”中的第一个负值的n行：5）并取平均值它。

但是，我不知道如何在Panda / Python中执行此操作。

有没有办法用简单的Python / Panda代码行来执行此任务？

Answer 1

您可以set_index列Day(s) since outbreak，然后使用iloc选择除第一行之外的所有行，然后检查值小于（lt）0的位置。使用idxmax来获取值小于0的第一行并取mean。根据您的输入，它会给出：

print (df.set_index('Day(s) since outbreak')\
         .iloc[1:, :].lt(0).idxmax().astype(float).mean()) 
3.6666666666666665

Answer 2

IICU 使用df.where掩盖负片，然后用np.NaN代替正片，然后计算平均值

cols= ['Australia','Albania','Algeria']
df.set_index('Day(s) since outbreak', inplace=True)
m = df< 0
df2=df.where(m, np.NaN)
#df2 = df2.replace(0, np.NaN)
df2.mean()

结果