Python 熊猫：忽略NaN的平均值的函数在哪里

我有一些数据框，我想在这些数据框上应用groupby：

dftest = df1.append(test2).set_index('date')
doWhat = {'foo' : np.sum, 'bar': np.sum, 'employment_total' : np.mean}

employment\u total

在某些地方是

NaN

，但不是在所有地方：

>>> sum(np.isnan(dftest.employment_total))
404394
>>> sum(np.isnan(dftest.employment_total) == False)
6864

然而，当我创建月平均值时，它将是

NaN

无处不在-我猜是因为我使用的是

np.mean

：

aggASS = dftest.groupby(['state', pd.TimeGrouper("M", label='left'), 'status']).agg(doWhat)
>>> aggASS.loc[np.isnan(aggASS.employment_total) == False]
Empty DataFrame
Columns: [shopping_weighted, employment_total]
Index: []

---

我需要使用

doWhat

，因为我对不同的列使用不同的聚合度量。我试图找到在计算前删除

NaN

的

pandas.mean

函数，但找不到它。它在哪里？

您可以将mean参数作为字符串

'mean'

传递，它将使用默认情况下跳过nans的字符串

import pandas as pd

df = pd.DataFrame(data={'x':[1, 2, 3, 4, pd.np.nan], 'y':['a', 'a', 'a', 'b', 'b']})

funcs = {'x':'mean'}

print(df.groupby('y').agg(funcs))
#    x
# y   
# a  2
# b  4

---

您可以使用pandas系列版本：

doWhat={'foo'：np.sum，'bar'：np.sum，'employment_total'：pd.series.mean}

您可能只需要

doWhat={'foo'：np.sum，'bar'：np.sum，'employment_total'：mean}就可以逃脱了

这有

skipna

参数，默认情况下为True，因此将跳过

NaN

值。因此，首选顶级panda

isnull

和

notnull

而不是numpy版本

sum（dftest.employment\u total.isnull（））