np.nanmean funktioniert nicht in einem Dataframe?

Question

Eine Anfängerfrage: Ich versuche, den Mittelwert in einer Spalte von einem Datenrahmen zu berechnen, aber aus irgendeinem Grund, trotz der Verwendung von np.nanmean, gibt es mir das falsche Ergebnis (d. H. Es zählt die Nullen innerhalb des Nenners).

Wie ich weiß nicht, wie in den Tabellen in dieser Frage einzufügen (! Irgendwelche Ratschläge wäre toll), hier ist ein Beispiel für das Problem das ich habe:

22.0 
0 
0 
0 
35 

Das bin ich eine geben sollte Mittelwert von 28.5, aber wenn ich einlege:

np.nanmean(df) 

Es gibt nur 11.4 zurück.

Jetzt habe ich mit Achseneinstellungen experimentiert, und auch versucht, meine 0s als numpy NaNs zu setzen, aber keiner von beiden scheint zu funktionieren.

Abgesehen davon, dass ich das manuell mache, gibt es etwas Einfaches, was ich vernachlässige innerhalb der Numpy/Panda-Bibliotheken?

Answer 1

dieses comment Weggehen von @JohnE hier als geeignet Präambel für diesen Beitrag.

Sie sind grundlegend Mißverständnis nan, das bedeutet „keine Zahl“ wie fehlende Daten oder das Ergebnis einer ungültigen Operation (z.B. dividieren durch Null). Null ist eine gültige Zahl (wie Schwarz ist eine gültige Farbe, ich denke, ;-) zugegebenermaßen können Nullen von Python als falsch interpretiert werden, wenn Zahlen implizit als Boolean behandelt werden, aber im Allgemeinen Nullen sind gültige Zahlen und sicherlich gelten gültig für alle numerische Methoden wie Mittelwert, max usw.

---

meiner Meinung nach, wäre eine gute Lösung beinhalten mask -

s 

0 22.0 
1  0.0 
2  0.0 
3  0.0 
4 35.0 
Name: 0, dtype: float64 

s.mask(s.eq(0)).mean() 
28.5 

Oder

np.nanmean(s.mask(s.eq(0)).values) 
28.5 

Der Vorteil dieser Lösung ist, dass es für Series sowie DataFrame Objekte funktioniert.

---

Wenn Sie eine Serie (oder einen einzelnen Spalten-Datenrahmen) haben, vereinfacht sich die Lösung. Sie könnten eine boolesche Indizierung durchführen, um 0 Zeilen loszuwerden, und dann call mean aufrufen.

s[s != 0].mean() 
28.5 

Alternativ rufen mean auf dem values. Dies sollte viel schneller sein.

Answer 2

Es scheint, Sie 0-NaN s ersetzen müssen und bekommen mean s:

print (np.nanmean(df.replace(0,np.nan))) 
28.5 

in Pandas NaN s sind omited:

print (df) 
     a 
0 22.0 
1 0.0 
2 0.0 
3 0.0 
4 35.0 

print (df.replace(0,np.nan).mean()) 
a 28.5 
dtype: float64