Question

我在数据框中有一列，每一行的大小各不相同：

values
[0.0,2.3,4.6,99,100,200,...]
[0.0,4.6,7.8,10,20,25,10,5.5,12,...]
.
.
.

我计算出每个系列的平均值如下：

from statistics import mean
df['average_values'] = df['values'].map(mean)
df.head()

这将返回：

values                          average_values   
[0.0,2.3,4.6,99,100,200,...]            7.6
[0.0,4.6,7.8,10,20,25,...]              10.5
.
.
.

但是，这些系列中的每个系列都以0.0开头，我需要将其从平均值列的计算中删除。

我的尝试

我尝试创建一个新列'nan_values'，该列将复制原始值列，但所有0.0值都将替换为NaN：

#create new column
df['nan_values'] = df['values'].copy()

#replace the 0.0 in each series with NaN
df['nan_values'] = df['nan_values'].replace(0, np.NaN)

我想我会制作一个看起来像这样的系列：

[NaN, 2.2, 4.4, 5, 3.3, 7.1, ...]

我需要计算一系列平均行的平均值，但要跳过索引0处的元素。

Answer 1

通过索引[1:]删除第一个值：

from statistics import mean
df['average_values'] = df['values'].map(lambda x: mean(x[1:]))

或者：

df['average_values'] = df['values'].str[1:].map(mean)
#alternative
#df['average_values'] = df['values'].str[1:].map(np.mean)

print (df)
                                     values  average_values
0             [0.0, 2.3, 4.6, 99, 100, 200]         81.1800
1  [0.0, 4.6, 7.8, 10, 20, 25, 10, 5.5, 12]         11.8625

如果要删除0值，请使用具有过滤功能或filter的列表理解：

df['average_values'] = df['values'].map(lambda x: mean([y for y in x if y != 0]))

或者：

df['average_values'] = df['values'].map(lambda x: mean(filter(lambda y: y != 0, x)))

一系列平均值，跳过元素[0]

1 个答案: