Python 用平均值替换每行的最大值

我想用此行的平均值替换列中每行的最大值。我使用的方法需要花费大量时间才能完成。我正在使用熊猫数据帧。替换的平均值需要是一个整数，但具有正确的洪水分割。例如：如果值为3.2，则为3；如果值为3.8，则为4

我的慢解决方案：

我的数据帧：

身份证件 特点0 特点1 特点2 特点3 特点4 0 0 0 3. 1. 5. 1. 4. 0 4. 0 8. 2. 1. 21 4. 0 0 3. 0 11 0 0 2. df.values[rangelendf.index，np.argmaxdf.values，axis=1]=df.meanaxis=1.round 行上的np.argmax告诉我们每行最大值的位置。然后，我们对df.values使用奇特的索引，并在行轴=1上指定平均值，但四舍五入

得到

    feature0  feature1  feature2  feature3  feature4
id
0          0         0         3         1         2
1          4         0         4         0         3
2          1         5         4         0         0
3          0         3         0         0         2

df.values[rangelendf.index，np.argmaxdf.values，axis=1]=df.meanaxis=1.round 行上的np.argmax告诉我们每行最大值的位置。然后，我们对df.values使用奇特的索引，并在行轴=1上指定平均值，但四舍五入

得到

    feature0  feature1  feature2  feature3  feature4
id
0          0         0         3         1         2
1          4         0         4         0         3
2          1         5         4         0         0
3          0         3         0         0         2

---

根据Mustafa的评论，这是一种更冗长的方式，包括：

化为长形 df=df.id idxmax/每行平均值的熔化id组 g=df.groupby'id'。值 索引=g.idxmax 平均值=g.transform'mean'。round.astypeint 将idxmax索引处的值更改为平均值 df.loc[指数，'值']=平均值.loc[指数] 转向宽型 df=df.pivotindex='id'，columns='variable'，values='value'。重命名\u axiscolumns=None

---

根据Mustafa的评论，这是一种更冗长的方式，包括：

化为长形 df=df.id idxmax/每行平均值的熔化id组 g=df.groupby'id'。值 索引=g.idxmax 平均值=g.transform'mean'。round.astypeint 将idxmax索引处的值更改为平均值 df.loc[指数，'值']=平均值.loc[指数] 转向宽型 df=df.pivotindex='id'，columns='variable'，values='value'。重命名\u axiscolumns=None

---

这给了我错误。在'str'和'int'@Niro实例之间不支持'>'的情况下，在执行上述操作之前，您是否可以执行df=df.set\u indexid.astypeint？这将把id列放在一边，并确保值是整数。嗯，我不知道你可以分配到df.values中，interesting@tdy您是否知道是否有一种方法可以在df本身上实现这一点？我相信这种索引有df.lookup，但其结果是不可赋值的。@MustafaAydın我知道的唯一方法是melt/groupby/pivot。它比这个.values方法要详细得多，但我发布了代码，以防有人感兴趣，我猜它会给我错误。在'str'和'int'@Niro实例之间不支持'>'的情况下，在执行上述操作之前，您是否可以执行df=df.set\u indexid.astypeint？这将把id列放在一边，并确保值是整数。嗯，我不知道你可以分配到df.values中，interesting@tdy您是否知道是否有一种方法可以在df本身上实现这一点？我相信这种索引有df.lookup，但其结果是不可赋值的。@MustafaAydın我知道的唯一方法是melt/groupby/pivot。它比这个.values方法要详细得多，但我发布了代码，以防有人感兴趣。我猜列的顺序破坏了一点，但它也起了作用。列的顺序破坏了一点，但它也起了作用。

    feature0  feature1  feature2  feature3  feature4
id                                                  
0          0         0         3         1         2
1          4         0         4         0         3
2          1         5         4         0         0
3          0         3         0         0         2