我有一个包含客户 ID 及其 2014-2018 年支出的数据框。我想要的是数据框中每个 ID 的 2014-2018 年费用的平均值。 但是有一个条件:如果行 (2014-2018) 中的一个单元格为空，则应返回 NaN。因此，我只想在 2014-2018 列中的所有 5 个行单元格都具有数值时计算平均值。
初始数据框:
2014 2015 2016 2017 2018 ID
100 122.0 324 632 NaN 12.0
120 159.0 54 452 541.0 96.0
NaN 164.0 687 165 245.0 20.0
180 421.0 512 184 953.0 73.0
110 654.0 913 173 103.0 84.0
130 NaN 754 124 207.0 26.0
170 256.0 843 97 806.0 87.0
140 754.0 95 101 541.0 64.0
80 985.0 184 84 90.0 11.0
96 65.0 127 130 421.0 34.0
期望的输出
2014 2015 2016 2017 2018 ID mean
100 122.0 324 632 NaN 12.0 NaN
120 159.0 54 452 541.0 96.0 265.20
NaN 164.0 687 165 245.0 20.0 NaN
180 421.0 512 184 953.0 73.0 450.00
110 654.0 913 173 103.0 84.0 390.60
130 NaN 754 124 207.0 26.0 NaN
170 256.0 843 97 806.0 87.0 434.40
140 754.0 95 101 541.0 64.0 326.20
80 985.0 184 84 90.0 11.0 284.60
96 65.0 127 130 421.0 34.0 167.80
尝试过的代码: -> 然而，这只给我平均值，忽略了 NaN 条件。他们是否有一些简短的 lambda 函数可以将条件添加到代码中？
import pandas as pd
import numpy as np
data = pd.DataFrame({"ID": [12,96,20,73,84,26,87,64,11,34],
"2014": [100,120,np.nan,180,110,130,170,140,80,96],
"2015": [122,159,164,421,654,np.nan,256,754,985,65],
"2016": [324,54,687,512,913,754,843,95,184,127],
"2017": [632,452,165,184,173,124,97,101,84,130],
"2018": [np.nan,541,245,953,103,207,806,541,90,421]})
print(data)
fiveyear = ["2014", "2015", "2016", "2017", "2018"] -> if a cell in these rows is empty(NaN), then NaN should be in the new 'mean'-column. I only want the mean when, all 5 cells in the row have a numeric value.
data.loc[:, 'mean'] = data[fiveyear].mean(axis=1)
print(data)
最佳答案
在计算平均值之前使用 dropna 删除行。因为 pandas 在返回结果时会对齐索引，并且这些行被删除，这些删除行的结果是 NaN
df['mean'] = df[fiveyear].dropna(how='any').mean(1)
也可以屏蔽结果只显示那些非空的行
df['mean'] = df[fiveyear].mean(1).mask(df[fiveyear].isnull().any(1))
更多的是 hack，但是因为您知道您需要所有 5 个值，您还可以使用支持 min_count 参数的 sum，所以任何少于 5 的值值为 NaN
df['mean'] = df[fiveyear].sum(1, min_count=len(fiveyear))/len(fiveyear)
关于python - 仅计算数据框中没有 NaN 值的数据行的平均值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/61644648/