Question

我有以下格式的数据框：

Original Dataframe

    |  x  |  value1  |  value2  |  value3  |  value4
 ---|-----|----------|----------|----------|-----------
  0 |  1  |    1     |   NaN    |    3     |   1
  1 |  2  |    4     |   NaN    |    1     |   NaN
  2 |  3  |    2     |    6     |    1     |   2
  3 |  4  |    1     |    1     |    2     |   1

我的目标是得出每行的平均值，除去NaN并消除异常值。目标是达到具有以下格式的新数据框：

Desired Dataframe

    |  x  |  mean (after dropping the NaN and the outliers)*
 ---|-----|--------
  0 |  1  |   a
  1 |  2  |   b   
  2 |  3  |   c   
  3 |  4  |   d

*请注意，a，b，c，d是平均值（我没有计算结果）

达到结果后的最终目标是随着时间的推移打印图形以显示值。

使用单个值列表，例如等效于一列值和一列索引，我可以执行所有操作：删除NaN，计算Z分数，然后返回值列表，如下所示：< / p>

import pandas as pd   
import numpy as np
from scipy import stats

data = {'value': [1, 2, 15, np.NaN, 2, 2, 2, 3, 1, 1], 
        'x': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

df.dropna(inplace=True)
df = df[(np.abs(stats.zscore(df['return'])) < 2)]

当我尝试批量工作时会出现一些问题（并且我相信它们会出现是因为我习惯于使用循环进行编程，并且在熊猫中必须有一种“智能”方式来执行此操作）。）

当存在NaN值时，我无法计算Z分数。我收到此错误：

/home/jupyterlab/conda/lib/python3.6/site-packages/ipykernel_launcher.py:14: RuntimeWarning: invalid value encountered in less

所以我知道我需要消除NaN。但是我不能以这种数据帧格式进行操作，因为这将意味着消除行或列，从而导致信息丢失。

我尝试不成功的另一种方法是将该表转换为长格式，这意味着我将拥有：

    |  x  |  valueName  |  actualValue
 ---|-----|-------------|--------------
  0 |  1  |  value1     |      1       
  1 |  1  |  value2     |     NaN    
 ...  ...      ...            ...
  2 |  2  |  value2     |      4  
  3 |  2  |  value2     |     NaN

这使我放弃了Nan，但是要使用Z得分则比较麻烦。我敢肯定这是一个普遍的问题，但是我不知道该怎么解决。

Answer 1

您可以使用：

from scipy import stats

#reshape to MultiIndex Series for remove NaNs
s = df.set_index('x').stack()
print (s)
x        
1  value1    1.0
   value3    3.0
   value4    1.0
2  value1    4.0
   value3    1.0
3  value1    2.0
   value2    6.0
   value3    1.0
   value4    2.0
4  value1    1.0
   value2    1.0
   value3    2.0
   value4    1.0
dtype: float64

#count zsore by first level of group - by x
s1 = s.groupby(level=0).transform(lambda x: np.abs(stats.zscore(x)))
print (s1)
x        
1  value1    0.707107
   value3    1.414214
   value4    0.707107
2  value1    1.000000
   value3    1.000000
3  value1    0.390567
   value2    1.692456
   value3    0.911322
   value4    0.390567
4  value1    0.577350
   value2    0.577350
   value3    1.732051
   value4    0.577350

#filter by condition and get mean by first level x, convert to DataFrame
s2 = s[s1 < 2].mean(level=0).reset_index(name='mean')
print (s2)
   x      mean
0  1  1.666667
1  2  2.500000
2  3  2.750000
3  4  1.250000

如何计算平均值，以这种格式从数据帧中删除NaN和离群值？

1 个答案: