日韩久久久精品,亚洲精品久久久久久久久久久,亚洲欧美一区二区三区国产精品 ,一区二区福利

Python Pandas實現(xiàn)數(shù)據(jù)分組求平均值并填充nan的示例

系統(tǒng) 2371 0

Python實現(xiàn)按某一列關(guān)鍵字分組,并計算各列的平均值,并用該值填充該分類該列的nan值。

DataFrame數(shù)據(jù)格式

fillna方式實現(xiàn)

groupby方式實現(xiàn)

DataFrame數(shù)據(jù)格式

以下是數(shù)據(jù)存儲形式:

Python Pandas實現(xiàn)數(shù)據(jù)分組求平均值并填充nan的示例_第1張圖片

fillna方式實現(xiàn)

1、按照industryName1列,篩選出業(yè)績

2、篩選出相同行業(yè)的Series

3、計算平均值mean,采用fillna函數(shù)填充

4、append到新DataFrame中

5、循環(huán)遍歷行業(yè)名稱,完成2,3,4步驟

            
factordatafillna = pd.DataFrame()
industrys = newfactordata1.industryName1.unique()
for ind in industrys:
  t = newfactordata1.industryName1 == ind
  a = newfactordata1[t].fillna(newfactordata1[t].mean())
  factordatafillna = factordatafillna.append(a)
          

groupby方式實現(xiàn)

采用groupby計算,詳細(xì)見代碼注釋

            
df = pd.DataFrame({'code':[1,2,3,4,5,6,7,8],
          'value':[np.nan,5,7,8,9,10,11,12],          
          'value2':[5,np.nan,7,np.nan,9,10,11,12],
          'indstry':['農(nóng)業(yè)1','農(nóng)業(yè)1','農(nóng)業(yè)1','農(nóng)業(yè)2','農(nóng)業(yè)2','農(nóng)業(yè)4','農(nóng)業(yè)2','農(nóng)業(yè)3']},
          columns=['code','value','value2','indstry'],
          index=list('ABCDEFGH'))

# 只留下需要處理的列
cols = [col for col in df.columns if col not in['code','indstry']]
# 分組的列
gp_col = 'indstry'
# 查詢nan的列
df_na = df[cols].isna()
# 根據(jù)分組計算平均值
df_mean = df.groupby(gp_col)[cols].mean()

print(df)

# 依次處理每一列
for col in cols:
  na_series = df_na[col]
  names = list(df.loc[na_series,gp_col])   

  t = df_mean.loc[names,col]
  t.index = df.loc[na_series,col].index

  # 相同的index進(jìn)行賦值   
  df.loc[na_series,col] = t

print(df)
          
            
code value value2 indstry
A   1  NaN   5.0   農(nóng)業(yè)1
B   2  5.0   NaN   農(nóng)業(yè)1
C   3  7.0   7.0   農(nóng)業(yè)1
D   4  8.0   NaN   農(nóng)業(yè)2
E   5  9.0   9.0   農(nóng)業(yè)2
F   6  10.0  10.0   農(nóng)業(yè)4
G   7  11.0  11.0   農(nóng)業(yè)2
H   8  12.0  12.0   農(nóng)業(yè)3
  code value value2 indstry
A   1  6.0   5.0   農(nóng)業(yè)1
B   2  5.0   6.0   農(nóng)業(yè)1
C   3  7.0   7.0   農(nóng)業(yè)1
D   4  8.0  10.0   農(nóng)業(yè)2
E   5  9.0   9.0   農(nóng)業(yè)2
F   6  10.0  10.0   農(nóng)業(yè)4
G   7  11.0  11.0   農(nóng)業(yè)2
H   8  12.0  12.0   農(nóng)業(yè)3

          

以上這篇Python Pandas實現(xiàn)數(shù)據(jù)分組求平均值并填充nan的示例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。


更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯(lián)系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發(fā)表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 海城市| 随州市| 大渡口区| 芦山县| 佳木斯市| 乌拉特前旗| 富锦市| 固原市| 新乐市| 永寿县| 广丰县| 台东县| 都匀市| 将乐县| 福海县| 望江县| 红河县| 滦南县| 汝州市| 炉霍县| 循化| 彩票| 铁岭市| 安远县| 台山市| 平远县| 比如县| 宾川县| 永宁县| 千阳县| 防城港市| 安多县| 五华县| 建德市| 巴林左旗| 双鸭山市| 麟游县| 新巴尔虎右旗| 桂东县| 富阳市| 平果县|