Python 按平均值发行

我试图找出每一轮（R1、R2、R3、R4）的平均事件数。 不幸的是，未播放的回合以3种不同的方式表示（0，-或空单元格）

我尝试用NaN替换0和-，但仍然得到不同的结果

df['R3']=df['R3'].替换（['0'，'-'，np.nan） df['R4']=df['R4'].替换（['0'，'-'，np.nan）

结果

df.groupby('event')['R1','R2', 'R3', 'R4'].mean()


R1  R2  R4
event           
Atlanta 68.333333   70.000000   48.333333
Houston 68.333333   76.666667   70.666667
Miamixx 69.250000   70.000000   35.250000

---

groupby

平均聚合将排除

NaN

值，但包括零。因此，您需要替换为

0

或保留

NaN

，具体取决于您所追求的结果

这将把所有

-

和

NaN

值设置为

0

：

cols = ['R1', 'R2', 'R3', 'R4']

for col in cols:
    df[col] = np.where((df[col]=='-') | (df[col].isnull()==True), 0, df[col])
    df[col] = pd.to_numeric(df[col])

df.groupby('event').mean()

如果您想要

NaN

而不是

0

，只需将

np.where（）

中的

0

替换为

np.NaN

到_csv

/

读取_csv

使用指定的相应

NaN

值读取

csv

，然后使用

0

from io import StringIO as io_
df = pd.read_csv(io_(df.to_csv(index=False)), na_values=['-']).fillna(0)

df.groupby('event')[['R1', 'R2', 'R3', 'R4']].mean()

                R1         R2     R3         R4
event                                          
Atlanta  68.333333  23.333333  47.00  48.333333
Houston  68.333333  76.666667  70.00  70.666667
Miamixx  69.250000  70.000000  35.25  35.250000

---

pd.到数值

---

您的'R3'数据类型是对象，您需要将其转换为数字数据类型，然后重试该语句。

df[df.columns[2:].replace（'-'，0.astype（'float'）.groupby（df['event']）.mean（）

感谢您指出需要使用float-我已经尝试过（'int'），但这不起作用。出于我自己的好奇心，你知道为什么在所有的值都没有小数点的情况下需要浮点吗？

from io import StringIO as io_
df = pd.read_csv(io_(df.to_csv(index=False)), na_values=['-']).fillna(0)

df.groupby('event')[['R1', 'R2', 'R3', 'R4']].mean()

                R1         R2     R3         R4
event                                          
Atlanta  68.333333  23.333333  47.00  48.333333
Houston  68.333333  76.666667  70.00  70.666667
Miamixx  69.250000  70.000000  35.25  35.250000

df.filter(like='R').apply(pd.to_numeric, errors='coerce') \
  .fillna(0).groupby(df.event).mean()

                R1         R2     R3         R4
event                                          
Atlanta  68.333333  23.333333  47.00  48.333333
Houston  68.333333  76.666667  70.00  70.666667
Miamixx  69.250000  70.000000  35.25  35.250000