如何用NaN替换相应的行值？

Question

我有一个包含两列的csv文件。”“组”和“x”。“组”的值为0或1。“x”的值是大约3位数字。我试图计算数据子集的平均值。例如，“x”列中“组”中有0的所有行的平均值，以及“组”中有1的所有行的平均值。目前，“组”中的0被NaN替换，但“x”值不变，因此结果仍然是总平均值，而不是子集

对于数据帧，dict可以指定在不同的列中替换不同的值。例如，{a'：1，'b'：'z'}查找列“a”中的值1和列“b”中的值“z”，并用值中指定的值替换这些值。在这种情况下，value参数不应为None。您可以将此视为传递两个列表的特殊情况，除非指定要搜索的列

我看到了上面的文档，但我不能使用它，因为“x”列中的值都不同。有1000行。我想这可能和axis有关，但我还是有点模糊

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

normalData = pd.read_csv('NormalSample.csv')

normalData = normalData.replace(0, np.nan)

print(normalData.mean())

^{tb1}$

^{tb2}$

Tags： 文件csv数据importvalueasnp情况

Answer 1

因为我相信您只有2列，所以可以这样使用direct apply：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

normalData = pd.read_csv('NormalSample.csv')

normalData[normalData['group'] == 0] = np.nan

print(normalData.mean())

然而，根据我相信你们想要计算的，即组=0的所有x的平均值和组=1的所有x的平均值，我建议如下：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

normalData = pd.read_csv('NormalSample.csv')
mean_0 = normalData[normalData['group']==0]['x'].mean()
mean_1 = normalData[normalData['group']==1]['x'].mean()