溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
Python實現按某一列關鍵字分組，并計算各列的平均值，并用該值填充該分類該列的nan值。
DataFrame數據格式
fillna方式實現
groupby方式實現
DataFrame數據格式
以下是數據存儲形式：
fillna方式實現
1、按照industryName1列，篩選出業績
2、篩選出相同行業的Series
3、計算平均值mean，采用fillna函數填充
4、append到新DataFrame中
5、循環遍歷行業名稱，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
采用groupby計算，詳細見代碼注釋
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':['農業1','農業1','農業1','農業2','農業2','農業4','農業2','農業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進行賦值
df.loc[na_series,col] = t
print(df)
code value value2 indstry A 1 NaN 5.0 農業1 B 2 5.0 NaN 農業1 C 3 7.0 7.0 農業1 D 4 8.0 NaN 農業2 E 5 9.0 9.0 農業2 F 6 10.0 10.0 農業4 G 7 11.0 11.0 農業2 H 8 12.0 12.0 農業3 code value value2 indstry A 1 6.0 5.0 農業1 B 2 5.0 6.0 農業1 C 3 7.0 7.0 農業1 D 4 8.0 10.0 農業2 E 5 9.0 9.0 農業2 F 6 10.0 10.0 農業4 G 7 11.0 11.0 農業2 H 8 12.0 12.0 農業3
以上這篇Python Pandas實現數據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容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
