12

さまざまな負の値を持ついくつかの不良データを含む列を持つDataFrameがあります。0未満の値をそれらが含まれるグループの平均に置き換えたいと思います。

NAとして欠落している値については、次のようにします。

data = df.groupby(['GroupID']).column
data.transform(lambda x: x.fillna(x.mean()))

しかし、次のような条件でこの操作を行うにはどうすればよいx < 0ですか？

ありがとう！

4

4 に答える 4

12

@AndyHaydenの例を使用すると、 groupby/ transformwith replace：を使用できます。

df = pd.DataFrame([[1,1],[1,-1],[2,1],[2,2]], columns=list('ab'))
print(df)
#    a  b
# 0  1  1
# 1  1 -1
# 2  2  1
# 3  2  2

data = df.groupby(['a'])
def replace(group):
    mask = group<0
    # Select those values where it is < 0, and replace
    # them with the mean of the values which are not < 0.
    group[mask] = group[~mask].mean()
    return group
print(data.transform(replace))
#    b
# 0  1
# 1  1
# 2  1
# 3  2
于 2013-02-07T21:58:44.930 に答える
3

これを行う1つの方法があります（'b'この退屈な例のコラムの場合）：

In [1]: df = pd.DataFrame([[1,1],[1,-1],[2,1],[2,2]], columns=list('ab'))
In [2]: df
Out[2]: 
   a  b
0  1  1
1  1 -1
2  2  1
3  2  2

bこれらの負の値をNaNに置き換えてから、各グループの平均（）を計算します。

In [3]: df['b'] = df.b.apply(lambda x: x if x>=0 else pd.np.nan)
In [4]: m = df.groupby('a').mean().b

次にapply、各行で使用して、各NaNをそのグループに置き換えます。

In [5]: df['b'] = df.apply(lambda row: m[row['a']]
                                       if pd.isnull(row['b'])
                                       else row['b'],
                           axis=1) 
In [6]: df
Out[6]: 
   a  b
0  1  1
1  1  1
2  2  1
3  2  2
于 2013-02-07T21:51:08.493 に答える
1

追加の質問には、すばらしい例があります。

df = pd.DataFrame({'A' : [1, 1, 2, 2], 'B' : [1, -1, 1, 2]})
gb = df.groupby('A')
def replace(g):
   mask = g < 0
   g.loc[mask] = g[~mask].mean()
   return g
gb.transform(replace)

リンク： http： //pandas.pydata.org/pandas-docs/stable/cookbook.html

于 2017-05-25T21:48:27.207 に答える
1

私は同じ問題を抱えていて、かなり単純な解決策を思いつきました

func = lambda x : np.where(x < 0, x.mean(), x)

df['Bad_Column'].transform(func)

正しい値の平均（正の値のみに基づく平均）を返したい場合は、以下を指定する必要があることに注意してください。

func = lambda x : np.where(x < 0, x.mask(x < 0).mean(), x)
于 2017-11-14T11:42:18.503 に答える