我第一次和熊猫一起工作,而且我在聚合方面遇到了一些问题。我有一个数据框,其中三个计算字段由apply语句添加,如下所示:
dataset['calculated_field'] = dataset.apply(
lambda row: calculation_function(
row['field1'],
row['field2']
),
axis = 1
)
计算出的字段是布尔值,但有一个问题。它们可以包含空值。
我试图找到布尔列的平均值,每个平均值忽略该列的空字段。
我尝试过这样的事情:
resultset = dataset.groupby(['grouping_field'])[['calculated_field','calculated_field_2','calculated_field_3']].mean()
问题在于,因为True / False / None布尔值是"对象"类型,pandas将列完全删除为“nuisance” column.。
我无法将列转换为bool,因为它会使空值变为" False"
我也尝试了长路由并为每个聚合创建了3个单独的数据帧,因此我可以删除空值并转换为bool(可以聚合):
dataset_for_field1 = dataset.dropna(subset = ['calculated_field']).copy()
dataset_for_field1['calculated_field'] = dataset_for_field1['calculated_field'].astype('bool')
result_for_field1 = dataset_for_field1.groupby(['grouping_field'])['calculated_field'].mean()
这为我提供了我正在寻找的数据,但是在三个独立的数据框中。
有没有办法让每个列的平均值得到一个数据帧,忽略空值?
答案 0 :(得分:1)
将它们转换为数字列。 None
将变为NaN
,True
变为1
,False
变为0
。转换整个数据框的便捷方法是使用pd.to_numeric
并将errors
参数设置为ignore
。这将使分组列保持单独,因为它会在移动时出错。
考虑数据框df
df = pd.DataFrame(dict(
gcol=list('aaaabbbb'),
clc1=[True, False, True, None] * 2,
clc2=[True, False, True, False] * 2,
clc3=[True, True, True, True] * 2,
clc4=[False, None, None, True]* 2
))
这就是转换为数字的内容,如
df.apply(pd.to_numeric, errors='ignore')
clc1 clc2 clc3 clc4 gcol
0 1.0 True True 0.0 a
1 0.0 False True NaN a
2 1.0 True True NaN a
3 NaN False True 1.0 a
4 1.0 True True 0.0 b
5 0.0 False True NaN b
6 1.0 True True NaN b
7 NaN False True 1.0 b
在随后的groupby
中使用此功能可以获得您想要的效果。
df.apply(pd.to_numeric, errors='ignore').groupby('gcol').mean()
clc1 clc2 clc3 clc4
gcol
a 0.666667 0.5 1.0 0.5
b 0.666667 0.5 1.0 0.5