Python 数据帧与其他数据帧条件的平均值

我有两个数据帧。一个只包含二进制值，另一个在0和1之间浮动。 例如

我需要的是计算df1的平均值，其中df2>=0.5（或任何其他数字） 我在这个主题上只能找到列，而我无法让它在整个数据框架上工作。

---

感谢您的帮助。

首先需要在两个

DataFrame

s中使用相同的索引和列名称

然后通过掩码将缺少的值设置为假值，然后获取

平均值

：

df = df1.where(df2 >= 0.5).mean() 

如果需要用于排除缺失值的所有值的平均值：

mean = np.nanmean(df1.where(df2 >= 0.5))

另一个想法是使用将所有值转换为

系列

，然后获得平均值：

mean = df1.where(df2 >= 0.5).stack().mean() 

---

首先，必须在两个

DataFrame

s中使用相同的索引和相同的列名称

然后通过掩码将缺少的值设置为假值，然后获取

平均值

：

df = df1.where(df2 >= 0.5).mean() 

如果需要用于排除缺失值的所有值的平均值：

mean = np.nanmean(df1.where(df2 >= 0.5))

另一个想法是使用将所有值转换为

系列

，然后获得平均值：

mean = df1.where(df2 >= 0.5).stack().mean() 

---

创建一个包含0.5以上值的数据框，然后在其他地方使用NaN值，怎么样

df = df1.where(df2 >= 0.5)

然后，我们计算值的总和，并计算值的数量以获得平均值：

sum_values = df.sum().sum()
count_values = df.count().sum()
mean_value = sum_values / count_values

---

创建一个包含0.5以上值的数据框，然后在其他地方使用NaN值，怎么样

df = df1.where(df2 >= 0.5)

然后，我们计算值的总和，并计算值的数量以获得平均值：

sum_values = df.sum().sum()
count_values = df.count().sum()
mean_value = sum_values / count_values

---

令人惊叹的。那太容易了。这将打印每列的平均值。得到总体平均值也很好。但是，由于某些列具有NaN值（因为没有值与条件匹配），因此在末尾添加一个.mean（）是不起作用的。@TomS-answer被编辑过。太棒了。那太容易了。这将打印每列的平均值。得到总体平均值也很好。但是，由于某些列具有NaN值（因为没有值与条件匹配），因此在末尾添加一个.mean（）是不起作用的。@TomS-answer已被编辑。