Question

                    A        B
DATE                 
2013-05-01        473077    71333
2013-05-02         35131    62441
2013-05-03           727    27381
2013-05-04           481     1206
2013-05-05           226     1733
2013-05-06           NaN     4064
2013-05-07           NaN    41151
2013-05-08           NaN     8144
2013-05-09           NaN       23
2013-05-10           NaN       10

说我有上面的数据框。获得具有相同索引的系列的最简单方法是什么，即A列和B列的平均值？平均需要忽略NaN值。扭曲的是，此解决方案需要灵活地向数据框添加新列。

我最接近的是

df.sum(axis=1) / len(df.columns)

但是，这似乎没有忽略NaN值

（注意：我对熊猫图书馆还有点新意，所以我猜这有一种明显的方法可以做到这一点，我的有限大脑根本就没有看到）

Answer 1

只需使用df.mean()就NaN做正确的事（tm）：

>>> df
                 A      B
DATE                     
2013-05-01  473077  71333
2013-05-02   35131  62441
2013-05-03     727  27381
2013-05-04     481   1206
2013-05-05     226   1733
2013-05-06     NaN   4064
2013-05-07     NaN  41151
2013-05-08     NaN   8144
2013-05-09     NaN     23
2013-05-10     NaN     10
>>> df.mean(axis=1)
DATE
2013-05-01    272205.0
2013-05-02     48786.0
2013-05-03     14054.0
2013-05-04       843.5
2013-05-05       979.5
2013-05-06      4064.0
2013-05-07     41151.0
2013-05-08      8144.0
2013-05-09        23.0
2013-05-10        10.0
dtype: float64

如果要忽略其他列，则可以使用df[["A", "B"]].mean(axis=1)。

如何获取dataframe列值的平均值

1 个答案: