Question

我有一个数据框，其值类型为：object。数据框还包含NaN值。我想忽略NaN值，对于该列中的所有其余值，我想计算均值。

均值的计算如下：上限值= 30 下限值= 0

（上限和下限是固定的，需要为它们计算所有值。）

所以

对于“> 20”，均值=（20 + 30）/ 2 = 25
对于“> 1”，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

数据框：

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

注意：该列中的上述值为字符串，我想将其转换为数值。

最终转换的数据框应为：

column1
25
NaN
2.5
12
15.5
5
NaN
8

注意：上面的8和12之类的值不会转换，我只想转换以>或<前缀为前缀的那些值，只需要从字符串值转换为数字即可。

Answer 1

也许有更好的方法，但这也可行：

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

Answer 2

您可以编写一个函数来计算“自定义平均值”，然后在列上调用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))

Answer 3

下面的代码应用了一个自定义函数，该函数检查每个元素的第一个字符并基于该元素计算平均值。

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：

Answer 4

您可以使用np.select来分配要平均的值。然后，在将column1转换为数字之后，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

如何计算数据框中特定列的平均值？

4 个答案: