函数标识数据帧中哪些行超过了列的“平均值”

Question

我有一个庞大的犯罪统计数据库（“犯罪数据.csv）其中，列是犯罪的类别，行是犯罪发生的地址。因此，这些数据就是特定地址的犯罪实例。在

我已将此放入熊猫数据框：

import os
import pandas as pd
relativePath=os.getcwd()
dataFilePath=relativePath+"/Resources/crimeData.csv"
data = pd.read_csv(dataFilePath)
df = pd.DataFrame(data)

我需要计算每类犯罪的平均发生次数（我的数据框中的列）。我在这里做的：

^{pr2}$

现在是我卡住的地方了。我现在需要编写一个函数，它可以完成两件事：

1. 确定在给定地址的每类犯罪数量是否超过平均值，以及
2. 打印每个类别满足条件1的地址

编辑：

我用泰德下面的建议来强调那些高于平均值的单元格：

import os
import pandas as pd
import numpy as np
relativePath=os.getcwd()
dataFilePath=relativePath+"/Resources/crimeData.csv"
data = pd.read_csv(dataFilePath)
df = pd.DataFrame(data)
df.mean(axis=0)
df.style.apply(lambda x: np.where(x > df.mean(), 'background-color: green', ''), axis=1)
df

这似乎没有导致数据帧的任何更改。还是什么都没有突出。我错过了什么？？？？在

编辑2：

这是数据帧的标题：

                     Address  ARSON   ASSAULT   BAD CHECKS   BRIBERY  \
0         OAK ST / LAGUNA ST      0         0            0         0   
1  VANNESS AV / GREENWICH ST      0         1            0         0   
2   1500 Block of LOMBARD ST      0         8            0         0   
3  100 Block of BRODERICK ST      0         2            1         0   
4        0 Block of TEDDY AV      0         9            0         0   

Answer 1

将列地址放入索引中。在

df = df.set_index('Address')

您应该能够使用pandaswhere方法使所有值小于平均值null，然后使用dropna删除行

^{pr2}$

下面是一个例子，我创建了一个10列，2行的数据帧，包含0到1之间的随机数。只保留两列均大于列平均值的行。在

np.random.seed(1)
df = pd.DataFrame(np.random.rand(10,2))
df.where(df > df.mean()).dropna()

          0         1
0  0.417022  0.720324
4  0.396767  0.538817
5  0.419195  0.685220
8  0.417305  0.558690

为了进一步检查原始数据帧，我们可以突出显示大于平均值的单元格。有两个绿色单元格的行就是我们想要的。在

^{4}$

您还应该能够：

df[(df > df.mean()).all(1)]