Python 如何在加权平均中避免NaN？

这是我的数据帧df：

       str1    str2     str3     str4    
key1     3       4       2        5
key2    NaN      3       4        4
key3    NaN     NaN     NaN       2

向量w：

 [0.2, 0.3, 0.5]

我通常使用

df.T.dot（w）

来计算数据帧与向量之间的乘积。但我想知道，只要没有完整的NaN列，如何通过重新加权向量和计算来避免NaN值

我的例子如下：

对于第一列，我希望向量等于

v=[0.2+0.3+0.5,0,0]

并计算

[3，NaN，NaN]

次

[1,0,0]

对于第二列，我希望

v=[0.2+0.25,0.3+0.25,0]

对于第三列，我希望

v=[0.2+0.25,0.3+0.25,0]

对于第4列，我希望

v

保持不变，因为没有NaN

预期产出：

          str1   str2  str3    str4
    0      3     3.45   3.1     4.7

---

我不确定是否有简单的方法来处理

nan

值。您可能需要创建自己的点积函数来处理这些值。类似的方法可能会奏效：

df.apply(lambda x: (x * [1, 0, 0]).sum())

---

pandas

sum

方法自动忽略

nan

值，因此您不必自己显式查找值。您可能会将

[1,0,0]

替换为参考其他权重数组。我不确定您现在是如何安排将其集成到上述建议中的。

如果NaN值在内积中应表示“权重=0”，则在进行计算之前，请按如下方式修改您的数据帧：

df_without_nans = df.fillna(value=0.0)  # 'value' can be dropped
dot_product = df_without_nans.T.dot(w)

---

df.fillna（0）.T.dot（w）

？预期的输出是什么？

[0.2+0.25,0.3+0.25,0]

从哪里来？@DanielMesejo我不知道为什么我没有想到替换

nan

。。。这实际上是更好的解决方案。这是因为

[str2，key2]=NaN

所以向量（0.5）中对应的值被拆分为向量的其他值。