仅计算数据框中没有 NaN 值的数据行的平均值

Question

我有一个数据框，其中包含客户 ID 及其 2014-2018 年的费用。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。

初始数据帧：

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，这只给出了平均值，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

在计算平均值之前使用dropna删除行。因为 pandas 会在返回结果时对齐索引，而这些行被删除了，这些删除行的结果是 NaN

df['mean'] = df[fiveyear].dropna(how='any').mean(1)

也可以 mask 将结果仅显示为全部非空的那些行

df['mean'] = df[fiveyear].mean(1).mask(df[fiveyear].isnull().any(1))

更像是 hack，但因为您知道您需要所有 5 个值，所以您还可以使用支持 min_count 参数的 sum，因此任何少于 5 个值的东西都是 NaN

df['mean'] = df[fiveyear].sum(1, min_count=len(fiveyear))/len(fiveyear)

Answer 2

这与@ALollz 的回答相同，但有一种灵活的方法来检测所有列，而不管 df 中有多少年

#get years columns in a list
yearsCols= [c for c in df if c != 'ID']

#calculate mean
df['mean'] = df[yearsCols].dropna(how='any').mean(1)

仅计算数据框中没有 NaN 值的数据行的平均值

Only calculate mean of data rows in dataframe with no NaN-values

python

nan

mean

pandas