我具有其中具有例如數據幀的列:從浮子卸下0時的長度= 4,並用平均值熊貓替換爲NaN
df = [ A
7280.0
7330.0
635.0
540.0
NaN ]
我想做的是去除最後0(來自728 和733 ),然後用平均值(在這個例子中(728 + 733 + 635 + 540)/ 4 = 659)代替NaN。什麼是最好的方法來做到這一點?
我具有其中具有例如數據幀的列:從浮子卸下0時的長度= 4,並用平均值熊貓替換爲NaN
df = [ A
7280.0
7330.0
635.0
540.0
NaN ]
我想做的是去除最後0(來自728 和733 ),然後用平均值(在這個例子中(728 + 733 + 635 + 540)/ 4 = 659)代替NaN。什麼是最好的方法來做到這一點?
我認爲你需要按mask
過濾,並通過10
來應用底板劃分。最後fillna
通過mean
:
df.A = df.A.mask(df.A // 1000 > 0, df.A // 10)
df.A = df.A.fillna(df.A.mean())
print (df)
A
0 728.0
1 733.0
2 635.0
3 540.0
4 659.0
謝謝另一種解決方案:
df[df.A>1000]/=10
df.A.fillna(df.A.mean(), inplace=True)
print (df)
A
0 728.0
1 733.0
2 635.0
3 540.0
4 659.0
編輯的評論:
df = pd.DataFrame({'A': ['7280.0', '7330.0', '635.0', '540.0', np.nan, 'a']})
print (df)
A
0 7280.0
1 7330.0
2 635.0
3 540.0
4 NaN
5 a
df.A = pd.to_numeric(df.A, errors='coerce')
print (df)
A
0 7280.0
1 7330.0
2 635.0
3 540.0
4 NaN
5 NaN
df.A = df.A.mask(df.A // 1000 > 0, df.A // 10)
df.A = df.A.fillna(df.A.mean())
print (df)
A
0 728.0
1 733.0
2 635.0
3 540.0
4 659.0
5 659.0
使用pandas.Series.apply()
和pd.to_numeric()
功能的另一種替代解決方案:
df = pd.DataFrame(['A', 7280.0, 7330.0, 635.0, 540.0, 'NaN'])
df[0] = df[0].apply(lambda x: int(str(x)[:-3]) if (isinstance(x, float) and len(repr(x)) == 6 and x % 10.0 == 0.0) else x)
df[df == 'NaN'] = pd.to_numeric(df[0], errors='coerce').mean()
print(df)
輸出:
0
0 A
1 728
2 733
3 635
4 540
5 659
會發生什麼,像'1234'或'1230.4'值? –
爲什麼不從540? (我試圖理解刪除0的標準。) – DyZ
「投射到整數和刪除最後的零」是一個奇怪的請求,沒有多大意義。你究竟在做什麼?你是否想要縮小超過1000的數字?你想截斷的值總是在相同的位置? –