本文介绍了 pandas 丢弃了副本，并用副本的纳米平均值替换了值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个通过追加4个数据帧创建的数据帧(index=date)。正因为如此，我的索引中有重复项，通常同一天有3个nans和1个值。 我的目标是将此数据帧上采样到每天的频率(df = df.resample('1D))，但在此之前，我必须删除重复项。
我想删除重复的时间，但根据两个条件：
- 对于同一天，如果我们至少有1个值，则计算这些值的纳平均值，然后丢弃其余的。
- 同一天，如果我们只有NaN，则在我们保留的行中放一个NaN。
我猜使用np.nanean()将涵盖这两个条件(如果没有值，则返回NaN，否则返回值的平均值)。
例如：
df = pd.DataFrame({'Pt0': [nan, -42.0, nan, nan, -26.0, nan, nan, nan, 0.0, -10.0]},
index=['1984-06-10 00:00:00.096000064', '1984-06-10 00:00:00.096000064',
'1984-07-20 00:00:00.176000000', '1984-07-20 00:00:00.176000000',
'1984-07-28 00:00:00.192000000', '1984-07-28 00:00:00.192000000',
'1984-09-06 00:00:00.080000000', '1984-09-06 00:00:00.080000000',
'1984-09-06 00:00:00.271999936', '1984-09-06 00:00:00.271999936'])
df =
Pt0
1984-06-10 00:00:00.096000064 NaN
1984-06-10 00:00:00.096000064 -42.0
1984-07-20 00:00:00.176000000 NaN
1984-07-20 00:00:00.176000000 NaN
1984-07-28 00:00:00.192000000 -26.0
1984-07-28 00:00:00.192000000 NaN
1984-09-06 00:00:00.080000000 NaN
1984-09-06 00:00:00.080000000 NaN
1984-09-06 00:00:00.271999936 0
1984-09-06 00:00:00.271999936 -10
df_dropped =
Pt0
1984-06-10 00:00:00.096000064 -42.0
1984-07-20 00:00:00.176000000 NaN
1984-07-28 00:00:00.192000000 -26.0
1984-09-06 00:00:00.080000000 -5.0
我尝试了df = df.groupby('Pt0').mean().reset_index()，但它最终跳过了NAN，我猜如果df.groupby()有nanmean()函数，它就会起作用。
我怎么能这样做？
推荐答案
首先，将索引转换为DateTime对象。然后您可以groupby索引并转换np.nanmean；然后drop_duplicates：
df.index = pd.to_datetime(df.index)
out = df.groupby(level=0)['Pt0'].transform(np.nanmean).drop_duplicates().to_frame()
输出：
Pt0
0 1984-06-10 00:00:00.096000064 -42.0
1 1984-07-20 00:00:00.176000000 NaN
2 1984-07-28 00:00:00.192000000 -26.0
3 1984-09-06 00:00:00.271999936 -5.0
这篇关于 pandas 丢弃了副本，并用副本的纳米平均值替换了值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！