Python 基于其他列中的值对某些列求平均值

我想根据另一列中是否满足某个条件来平均某些列的值。具体地说，如果下面数据框中的第1列小于1700，我希望在我的平均计算中包含第51列中该行的相应值。如果第2列<1700，我还想在我的平均值计算中包括第52列中该行的值

因此，对于第0行，该行的新计算列将为64（平均值为65和63）。对于第1行，平均值仅为80（第51列的值），因为第2列和第3列都不小于1700，因此不包括在平均值计算中

这是一个简化的示例，因为我的实际数据帧有大约10列用于条件，其中10列对应的平均值

作为一种潜在的复杂性，列标题是数字而不是传统的文本标签，并且不引用该列在数据框中的顺序，因为我在导入csv文件时排除了某些列。换句话说，第51列不是数据帧中的第51列

当我运行以下代码时，出现以下错误：

ValueError:（“对象类型没有命名为1的轴”， '在索引0处发生'）

有没有更有效的方法来编写代码并避免此错误？谢谢你的帮助

import pandas as pd
import numpy as np

test_df = pd.DataFrame({1:[1600,1600,1600,1700,1800],2:[1500,2000,1400,1500,2000],
3:[2000,2000,2000,2000,2000],51:[65,80,75,80,75],52:[63,82,85,85,75],53:[83,80,75,76,78]})

test_df

     1     2     3   51  52  53
0  1600  1500  2000  65  63  83
1  1600  2000  2000  80  82  80
2  1600  1400  2000  75  85  75
3  1700  1500  2000  80  85  76
4  1800  2000  2000  75  75  78


def calc_mean_based_on_conditions(row):

        list_of_columns_to_average = []
        for i in range(1,4):
            if row[i] < 1700:
                list_of_columns_to_average.append(i+50)

        if not list_of_columns_to_average:
            return np.nan
        else:
            return row[(list_of_columns_to_average)].mean(axis=1)

test_df['MeanValue'] = test_df.apply(calc_mean_based_on_conditions, axis=1)

将熊猫作为pd导入
将numpy作为np导入
test_df=pd.DataFrame（{1:[160017001800]，2:[15002000140015002000]，
3:[2000,2000,2000,2000,2000],51:[65,80,75,80,75],52:[63,82,85,85,75],53:[83,80,75,76,78]})
测试
1     2     3   51  52  53
0  1600  1500  2000  65  63  83
1  1600  2000  2000  80  82  80
2  1600  1400  2000  75  85  75
3  1700  1500  2000  80  85  76
4  1800  2000  2000  75  75  78
基于条件的def计算平均值（行）：
列出所有列的平均值=[]
对于范围（1,4）内的i：
如果第[i]行小于1700：
列出\u列的\u到\u平均值。追加（i+50）
如果未列出\u列的\u至\u平均值：
返回np.nan
其他：
返回行[（列的列表到平均值）]。平均值（轴=1）
测试df['MeanValue']=测试df.apply（基于条件计算平均值，轴=1）

我删除了另一个答案，因为它走错了方向。您要做的是生成条件列的掩码，然后使用该掩码将函数应用于其他列。在这种情况下，1对应于51，2对应于52，等等

import pandas as pd
import numpy as np

test_df = pd.DataFrame({1:[1600,1600,1600,1700,1800],2:[1500,2000,1400,1500,2000],
3:[2000,2000,2000,2000,2000],51:[65,80,75,80,75],52:[63,82,85,85,75],53:[83,80,75,76,78]})

test_df

     1     2     3   51  52  53
0  1600  1500  2000  65  63  83
1  1600  2000  2000  80  82  80
2  1600  1400  2000  75  85  75
3  1700  1500  2000  80  85  76
4  1800  2000  2000  75  75  78



# create dictionary to map columns to one another
l1=list(range(1,4))
l2=list(range(50,54))
d = {k:v for k,v in zip(l1,l2)}

d
{1: 51, 2: 52, 3: 53}

temp=test_df[l1] > 1700 # Subset initial dataframe, generate mask
for _, row in temp.iterrows(): #iterate through subsetted data
    list_of_columns_for_mean=list() # list of columns for later computation
    for k, v in d.items(): #iterate through each k:v and evaluate conditional for each row
        if row[k]:
            list_of_columns_for_mean.append(v)
            # the rest should be pretty easy to figure out

---

这不是一个优雅的解决方案，但它是一个解决方案。不幸的是，我已经没有时间专门讨论它了，但希望这能为您指明一个更好的方向。

可能有更好的、矢量化的方法来实现这一点，但您可以不用函数来实现它

import numpy as np
import pandas as pd
from collections import defaultdict

test_df = pd.DataFrame({1:[1600,1600,1600,1700,1800],2:[1500,2000,1400,1500,2000],
3:[2000,2000,2000,2000,2000],51:[65,80,75,80,75],52:[63,82,85,85,75],53:[83,80,75,76,78]})

# List of columns that you're applying the condition to
condition_cols = list(range(1,4))

# Get row and column indices where this condition is true
condition = np.where(test_df[condition_cols].lt(1700))

# make a dictionary mapping row to true columns
cond_map = defaultdict(list)
for r,c in zip(*condition):
    cond_map[r].append(c)

# Get the means of true columns
means = []
for row in range(len(test_df)):
    if row in cond_map:
        temp = []
        for col in cond_map[row]:
            # Needs 51 because of Python indexing starting at zero + 50
            temp.append(test_df.loc[row, col+51])
        means.append(temp)
    else:
        # If the row has no true columns (i.e row 4)
        means.append(np.nan)

test_df['Means'] = [np.mean(l) for l in means]   

问题是以矢量化的方式为真正的行和列编制索引。

一些非常相关的东西（支持int作为列名）——

由于此错误/问题，我将列名转换为字符串类型：

test_df = pd.DataFrame({'1':[1600,1600,1600,1700,1800],'2':[1500,2000,1400,1500,2000],
'3':[2000,2000,2000,2000,2000],'51':[65,80,75,80,75],'52':[63,82,85,85,75],'53': 
[83,80,75,76,78]})

创建了一个新的数据框架-新的_df以满足out需求

new_df = test_df[['1', '2', '3']].where(test_df[['1','2','3']]<1700).notnull()

然后简单地重命名列并使用“where”进行检查

new_df = new_df.rename(columns={"1": "51", "2":"52", "3":"53"})
test_df['mean_value'] = test_df[['51', '52', '53']].where(new_df).mean(axis=1)

这将为您提供所需的输出-

    1     2     3  51  52  53  mean_value
0  1600  1500  2000  65  63  83        64.0
1  1600  2000  2000  80  82  80        80.0
2  1600  1400  2000  75  85  75        80.0
3  1700  1500  2000  80  85  76        85.0
4  1800  2000  2000  75  75  78         NaN

---

使用Pandas的

，其中

是我希望用于布尔数据帧的方法，而不是典型的系列掩码。回答得好！这回答了你的问题吗？

    1     2     3  51  52  53  mean_value
0  1600  1500  2000  65  63  83        64.0
1  1600  2000  2000  80  82  80        80.0
2  1600  1400  2000  75  85  75        80.0
3  1700  1500  2000  80  85  76        85.0
4  1800  2000  2000  75  75  78         NaN