從浮子卸下0時的長度= 4，並用平均值熊貓替換爲NaN

Question

我具有其中具有例如數據幀的列：

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？

Answer 1

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 

Answer 2

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