仅计算数据框中没有 NaN 值的数据行的平均值

Question

我有一个包含客户 ID 及其 2014-2018 年费用的数据框。我想要的是数据框中每个 ID 的 2014-2018 年费用的平均值。但是有一个条件：如果行（2014-2018）中的一个单元格为空，则应返回 NaN。所以我只希望在 2014-2018 列中的所有 5 个行单元格都具有数值时计算平均值。

初始数据框：

2014   2015  2016  2017   2018   ID

100  122.0   324   632    NaN  12.0

120  159.0    54   452  541.0  96.0

NaN  164.0   687   165  245.0  20.0

180  421.0   512   184  953.0  73.0

110  654.0   913   173  103.0  84.0

130    NaN   754   124  207.0  26.0

170  256.0   843    97  806.0  87.0

140  754.0    95   101  541.0  64.0

 80  985.0   184    84   90.0  11.0

 96   65.0   127   130  421.0  34.0

期望的输出

2014   2015  2016  2017   2018    ID    mean

 100  122.0   324   632    NaN  12.0     NaN

 120  159.0    54   452  541.0  96.0  265.20

 NaN  164.0   687   165  245.0  20.0     NaN

 180  421.0   512   184  953.0  73.0  450.00

 110  654.0   913   173  103.0  84.0  390.60

 130    NaN   754   124  207.0  26.0     NaN

 170  256.0   843    97  806.0  87.0  434.40

 140  754.0    95   101  541.0  64.0  326.20

  80  985.0   184    84   90.0  11.0  284.60

  96   65.0   127   130  421.0  34.0  167.80

尝试过的代码： -> 然而，这只是给了我平均值，忽略了 NaN 条件。他们是否有一些简短的 lambda 函数可以将条件添加到代码中？

import pandas as pd


import numpy as np



data = pd.DataFrame({"ID":   [12,96,20,73,84,26,87,64,11,34],
                     

                   "2014": [100,120,np.nan,180,110,130,170,140,80,96],
                     

                   "2015": [122,159,164,421,654,np.nan,256,754,985,65],


                   "2016": [324,54,687,512,913,754,843,95,184,127],
   

                   "2017": [632,452,165,184,173,124,97,101,84,130],
 

                   "2018": [np.nan,541,245,953,103,207,806,541,90,421]})



print(data)



fiveyear = ["2014", "2015", "2016", "2017", "2018"] -> if a cell in these rows is empty(NaN), then NaN should be in the new 'mean'-column. I only want the mean when, all 5 cells in the row have a numeric value.



data.loc[:, 'mean'] = data[fiveyear].mean(axis=1)



print(data)

Answer 1

用于dropna在计算平均值之前删除行。因为pandas在分配结果时会在索引上对齐，并且这些行被删除了，这些删除行的结果是NaNdf['mean'] = df[fiveyear].dropna(how='any').mean(1)也可能mask只对那些非空的行产生结果df['mean'] = df[fiveyear].mean(1).mask(df[fiveyear].isnull().any(1))有点 hack，但是因为你知道你需要所有 5 个值，你也可以使用sum它来支持这个min_count参数，所以任何少于 5 个值的值都是NaNdf['mean'] = df[fiveyear].sum(1, min_count=len(fiveyear))/len(fiveyear)

Answer 2

这与@ALollz 答案相同，但无论 df 中有多少年，都可以灵活地检测所有列#get years columns in a listyearsCols= [c for c in df if c != 'ID']#calculate meandf['mean'] = df[yearsCols].dropna(how='any').mean(1)