Python 我可以得到数据帧中所有列的修剪平均值吗？

问题是我想得到数据帧中所有列的修剪平均值（即给定列中值的平均值，不包括最大值和最小值）。某些列可能具有nan值。基本上，我希望得到与pandas.DataFrame.mean函数完全相同的功能，只是它是修剪后的平均值

显而易见的解决方案是使用scipytmean函数，并迭代df列。所以我做了：

import scipy as sp

trim_mean = []

for i in data_clean3.columns:
    trim_mean.append(sp.tmean(data_clean3[i]))

这非常有效，直到我遇到nan值，这导致tmean阻塞。更糟糕的是，当我在dataframe中删除nan值时，有些数据集被完全删除，因为它们在每一列中都有一个nan值。这意味着，当我将所有数据集合并到一个主数据集时，主数据集上的修剪平均值将出现漏洞

有人知道解决这个问题的方法吗？如中所示，是否有办法让tmean像标准的scipy stats函数一样工作，并忽略nan值

（请注意，我的代码是在硬件有限的大型数据集上计算大量描述性统计数据；高度复杂或低效的变通方法可能不是最佳选择。不过，希望我只是缺少一些简单的东西。）

（编辑：有人在一条评论中建议（该评论已经消失了？）我应该使用trim_mean scipy函数，它允许您对特定比例的数据进行顶部和尾部处理。这只是说，此解决方案对我不起作用，因为我的数据集大小不等，因此我无法指定在任何情况下都可以删除的固定比例的数据；它必须始终是最大值和最小值s、 ）

您可以使用df.mean（skipna=True）

输出

         A  B  C
0  5.0  1  a
1  6.0  2  b
2  7.0  3  d
3  NaN  4  e
4  9.0  5  f
5  5.0  1  g

Datafrmae after removing max and min

     A  B  C
1  6.0  2  b
2  7.0  3  d
3  NaN  4  e

Mean of A

6.5

---

考虑

df

np.random.seed()
data = np.random.choice((0, 25, 35, 100, np.nan),
                        (1000, 2),
                        p=(.01, .39, .39, .01, .2))
df = pd.DataFrame(data, columns=list('AB'))

用和和和除以相关的标准化器来构造你的平均值

(df.sum() - df.min() - df.max()) / (df.notnull().sum() - 2)

A    29.707674
B    30.402228
dtype: float64

---

---

---

这对您有用吗

（pd.DataFrame（data\u clean3.sum（）-data\u clean3.max（）-data\u clean3.min（））.T）。mean（）

。谢谢，这是我所需要的一个很好的尝试，但我认为可能存在一个问题，因为最大值和最小值可能在每列中出现不止一次。因此，从列的总和中减去每个值可能无法准确反映修剪后的平均值？谢谢，但与上面shivsn的suugestion一样，如果最大值或最小值出现多次，这不可能证明有问题吗？@Lodore66取决于，如果发生多次，您希望发生什么？理想情况下，我希望从df中删除max/min的所有实例，以便平均值仅为介于两者之间的值。我想这会使除数成为问题，因为可能会删除2个以上的值；非常感谢！出于某种原因，特定的语法不起作用（版本问题？），因此我通过在列之间循环并用“NaN”替换max/min值来实现它。例如，

code

for I in data_clean2.columns:trimmed_mean.append（data_clean2[I].replace（data_clean2[I].max（），'NaN'））

code

。谢谢你的主意！

(df.sum() - df.min() - df.max()) / (df.notnull().sum() - 2)

A    29.707674
B    30.402228
dtype: float64

df.mean()

A    29.756987
B    30.450617
dtype: float64