Python 数据帧列平均值上的布尔运算-这必须很简单

我至少有一个数据帧：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[1,5,3],
                  'B': [4,2,6]})

df['avg'] = df.mean(axis=1)
df[df<df['avg']]

我该怎么做？必须有一种类似于蟒蛇的方法才能做到这一点。

您可以在这里使用。我们可以使用numpy的广播生成一组高于给定平均值的布尔值：

>>> df.mask(df.values > df['avg'].values[:,None])
     A    B  avg
0  1.0  NaN  2.5
1  NaN  2.0  3.5
2  3.0  NaN  4.5

---

我认为这比公认的解决方案更为惯用和清晰：

将numpy导入为np
作为pd进口熊猫
df=pd.DataFrame（{'A'：[1,5,3]，
‘B’：[4,2,6]}）
打印（df）
df['avg']=df.平均值（轴=1）
打印（df）
df[df['A'，B'].ge（df['avg']，轴=0）]=np.NaN
打印（df）

输出：

ab
0  1  4
1  5  2
2  3  6
平均值
0  1  4  2.5
1  5  2  3.5
2  3  6  4.5
平均值
01.02.5
1.2.03.5
2.3.0 NaN 4.5

---

说到公认的解决方案，不再建议使用

.values

将Pandas数据帧或系列转换为NumPy数组。幸运的是，我们实际上根本不需要在这里使用它：

df.mask（df>df['avg'][：，np.newaxis]）

谢谢。我仍然需要做一些工作来理解你所做的，但我很高兴你给了我我所需要的。非常感谢。通过向数据帧（df.values）添加“.values”，您创建了一个numpy数组。通过将其添加到df['avg].values，您创建了第二个numpy数组。通过添加.values[：，None]您做了什么？我注意到None对应于一列。请注意，现在不鼓励使用

.values

，而支持

.to\u numpy（）

。它在这里的使用实际上是完全没有必要的。@getaglow通过添加.values[：，None]您做了什么？我注意到None对应于一列。我不是写答案的人，但你可以找到更多。

col_names = ['A', 'B']
for colname in col_names:
    df[colname] = df[colname]<df['avg']

df_desired = pd.DataFrame({
    'A':[1,np.nan,3],
    'B':[np.nan,2,np.nan],
    'avg' :[2.5, 3.5, 4.5]
})

>>> df.mask(df.values > df['avg'].values[:,None])
     A    B  avg
0  1.0  NaN  2.5
1  NaN  2.0  3.5
2  3.0  NaN  4.5