Python 计算数据帧切片的统计信息
我有以下数据帧:Python 计算数据帧切片的统计信息,python,pandas,dataframe,Python,Pandas,Dataframe,我有以下数据帧: df= pd.DataFrame({'A': np.random.randn(10), 'B': np.concatenate((np.repeat(np.nan, 4), np.array([0.7]), np.repeat(np.nan, 4), np.array([0.5]))), 'C': np.random.randn(10), 'D': np.concaten
df= pd.DataFrame({'A': np.random.randn(10),
'B': np.concatenate((np.repeat(np.nan, 4), np.array([0.7]), np.repeat(np.nan, 4), np.array([0.5]))),
'C': np.random.randn(10),
'D': np.concatenate((np.repeat(np.nan, 4), np.array([0.2]), np.repeat(np.nan, 4), np.array([0.15])))})
看起来是这样的:
A B C D
0 0.537109 NaN -0.204046 NaN
1 0.744488 NaN 0.903607 NaN
2 0.640995 NaN 0.712210 NaN
3 0.212758 NaN 0.293984 NaN
4 -1.786725 0.7 0.282747 0.20
5 1.486037 NaN -0.199659 NaN
6 0.267356 NaN 0.890397 NaN
7 0.697408 NaN -0.771626 NaN
8 0.044247 NaN -1.157836 NaN
9 0.345658 0.5 1.556390 0.15
我想计算一些统计数据,例如此数据帧切片上的平均值,例如,我希望结果如下所示:
MeanA B MeanC D
0 2.1 0.7 1.3 0.20
1 1.4 0.5 5.6 0.15
换句话说,我想保留B列和D列中的非NA值,并计算B列和D列中高于/低于非NA值的A和C的平均值和其他值(在本例中,让我们将-1.786725包括在这两个平均值中,类似于0.282747)
注意:由于使用了np.random.randn(),所以MeanA和MeanC的值是由它们组成的
当然,我的真实数据帧包含更多的列和行,因此最好对其进行概括。一种方法是手动使用索引。 让我们获取非NaN行的索引,例如
ind = np.array(df.dropna().index)
现在您已经知道了索引,可以手动执行操作。您可以通过以下步骤解决问题:
index=df['B']。首先是有效的索引()
subset_df=df.iloc[0:索引+1:,]
上半部分平均值=子集平均值(轴=0)
b_nans = df[~df.B.isnull()].index.values
cols_stats = ['A','C']
cols_nans = ['B','D']
df2 = pd.DataFrame(columns = [['mean_'+ col for col in cols] + cols_nans])
for col_stat, col_nan in zip(cols_stats, cols_nans):
df2[col_nan] = df[~df[col_nan].isnull()][col_nan].reset_index(drop=True)
i_prev = 0
for k,i in enumerate(b_nans):
df2.loc[k, 'mean_'+ col_stat] = df.loc[i_prev:i,col_stat].mean()
i_prev = i
print(df2)
mean_A mean_C B D
0 -0.059588 0.367446 0.7 0.20
1 0.037202 0.373243 0.5 0.15
这里有一个非常简单的方法。其思想是找到每列都包含一个值(断点)的行(索引)。迭代这些断点并使用这些索引获取数据帧的子切片。计算该切片中每列的平均值,这将返回该切片的单个序列。然后将这些切片(系列)连接在一起 其中:
A B C D
0 -0.378040 0.7 -0.073018 0.20
1 -0.230593 0.5 0.817437 0.15
B在某一行中有值,D在同一行中也有值吗?@Simon:是的,没错。你想在平均值计算中包括哪些确切值?您会在非NA值之上/之下走多远?
A B C D
0 -0.378040 0.7 -0.073018 0.20
1 -0.230593 0.5 0.817437 0.15