Python 如何计算dataframe中特定列的平均值？

我有一个数据帧，它的值类型为：

object

。数据帧还包含

NaN

值。我想忽略

NaN

值，对于列中的所有剩余值，我想计算平均值

平均值计算如下： 上限值=30 下限值=0

（上界和下界是固定的，所有值都需要根据它们进行计算。）

所以

• 对于'>20'，平均值=（20+30）/2=25

• 对于'>1'，平均值=（30+1）/2=15.5

---

• 对于'，可能有更好的方法，但这也有效：

  df['num'] = df.column1.str.extract('(\d+)')
  df['sign'] = df.column1.str.extract('([<>])').fillna('=')
  
  def get_avg(row):
      if not row.num:
          return row.num
      elif row.sign == '>':
          return (int(row.num)+30)/2
      elif row.sign == '>':
          return (int(row.num)+0)/2
      else:
          return row.num
  
  df['avg'] = df.apply(lambda row: get_avg(row), axis=1)
  

  df['num']=df.column1.str.extract（'（\d+））
  df['sign']=df.column1.str.extract（“（[]））.fillna（“=”）
  def get_平均值（世界其他地区）：
  如果不是row.num：
  返回row.num
  elif row.sign=='>'：
  返回（int（row.num）+30）/2
  elif row.sign=='>'：
  返回（int（row.num）+0）/2
  其他：
  返回row.num
  df['avg']=df.apply（lambda行：get_avg（行），轴=1）
  

  输出：

    column1 sign  num   avg
  0     >20    >   20    25
  1     NaN    =  NaN   NaN
  2      <5    <    5     5
  3      12    =   12    12
  4      >1    >    1  15.5
  5     <10    <   10    10
  6     NaN    =  NaN   NaN
  7       8    =    8     8
  

  0    25.0
  1     NaN
  2     2.5
  3    12.0
  4    15.5
  5     5.0
  6     NaN
  7     8.0
  

     column1  column2   Avg
  0     20.0     30.0  25.0
  1      NaN      NaN   NaN
  2      5.0      0.0   2.5
  3     12.0     12.0  12.0
  4      1.0     30.0  15.5
  5     10.0      0.0   5.0
  6      NaN      NaN   NaN
  7      8.0      8.0   8.0
  

  column1符号数平均值
  0     >20    >   20    25
  1楠=楠楠楠
  2      1    >    1  15.5
  5您可以编写一个函数来计算“自定义平均值”，然后在列上调用apply
  
  x = np.array([['>20'],[np.NaN],['<5'],['>1'],['<10'],[np.NaN]])
  df = pd.DataFrame(x,columns=["column1"])
  def myFunc(content, up, low):
      try:
          if content.isnumeric(): return float(content)
          return {
              '>': (float(content[1:])+up)/2,
              '<': (float(content[1:])+low)/2
          }[content[0]]
      except:
          return np.nan
  
  df["avg"] = df.column1.apply(lambda x: myFunc(x, up=30, low=0))
  
  x=np.array（[['>20']，[np.NaN]，[1']，[''：（float（content[1:]）+up）/2，
  下面的代码应用了一个自定义函数，该函数检查每个元素的第一个字符，并根据该字符计算平均值
  
  import numpy as np
  import pandas as pd
  upper = 30
  lower = 0
  
  df = pd.DataFrame({'col1':['>20',np.NaN,'<5','12','>1','<10',np.NaN,'8']})
  def avg(val):
      if val is not np.NaN:
          char = val[0]
          if char == '>':
              res = (float(val[1:])+upper)/2
          elif char == '<':
              res = (float(val[1:])+lower)/2
          else:
              res = float(val)
          return res
  
  print(df["col1"].apply(avg))
  
  您可以使用
  np。选择
  指定要进行平均的值。然后，在将column1转换为数字后，您可以进行平均
  
  import pandas as pd
  import numpy as np
  
  lt = df[df.column1.notnull()].column1.str.contains('<')
  gt = df[df.column1.notnull()].column1.str.contains('>')
  
  conds = [lt, gt, ~(lt | gt)]
  choice = [0, 30, pd.to_numeric(df[df.column1.notnull()].column1, errors='coerce')]
  
  df.loc[df.column1.notnull(), 'column2'] = np.select(conds, choice)
  df['column1'] = pd.to_numeric(df.column1.str.replace('<|>', ''))
  
  df['Avg'] = df.mean(axis=1)
  
  这些是你列中仅有的4个数值吗？无法理解你的数字来自何处。请举例说明你的数据是什么。此外，看起来你在根据某些条件计算平均值，它们是什么？@Yuca我的上限和下限值是固定的，列中几乎有18k行。因此我所显示的数据只是其中的一个子集。@gaganso否该列有18k行，所有值都是字符串，我需要将它们转换为数值。@gaganso Check editedquestion@stonerock，请立即尝试。而不是转换NaN值（缺少值）在字符串中，我们可以添加if语句来检查
  val！=NaN
  @stonerock，是的。这样更好。您的答案非常有用，也很容易理解。谢谢兄弟：）
  import pandas as pd
  import numpy as np
  
  lt = df[df.column1.notnull()].column1.str.contains('<')
  gt = df[df.column1.notnull()].column1.str.contains('>')
  
  conds = [lt, gt, ~(lt | gt)]
  choice = [0, 30, pd.to_numeric(df[df.column1.notnull()].column1, errors='coerce')]
  
  df.loc[df.column1.notnull(), 'column2'] = np.select(conds, choice)
  df['column1'] = pd.to_numeric(df.column1.str.replace('<|>', ''))
  
  df['Avg'] = df.mean(axis=1)
  
     column1  column2   Avg
  0     20.0     30.0  25.0
  1      NaN      NaN   NaN
  2      5.0      0.0   2.5
  3     12.0     12.0  12.0
  4      1.0     30.0  15.5
  5     10.0      0.0   5.0
  6      NaN      NaN   NaN
  7      8.0      8.0   8.0