如何用熊猫数据框中第一行和相应行之间的列的平均值填充特定值答案

【问题标题】：How to fill a particular value with mean value of the column between first row and the corresponding row in pandas dataframe如何用熊猫数据框中第一行和相应行之间的列的平均值填充特定值
【发布时间】：2019-01-05 16:50:16
【问题描述】：

我有一个这样的df，

A   B   C   D   E
1   2   3   0   2
2   0   7   1   1
3   4   0   3   0
0   0   3   4   3

我正在尝试将第一行和对应列的 0 值行之间的所有 0 替换为 mean() 值，

我的预期输出是，

A       B       C           D       E
1.0     2.00    3.000000    0.0     2.0
2.0     1.00    7.000000    1.0     1.0
3.0     4.00    3.333333    3.0     1.0
1.5     1.75    3.000000    4.0     3.0

【问题讨论】：

标签： python pandas dataframe data-analysis

【解决方案1】：

如果每列有多个0，则主要问题需要先前的mean 值，因此创建矢量化解决方案确实有问题：

def f(x):
    for i, v in enumerate(x):
        if v == 0: 
            x.iloc[i] = x.iloc[:i+1].mean()
    return x

df1 = df.astype(float).apply(f)
print (df1)

     A     B         C    D    E
0  1.0  2.00  3.000000  0.0  2.0
1  2.0  1.00  7.000000  1.0  1.0
2  3.0  4.00  3.333333  3.0  1.0
3  1.5  1.75  3.000000  4.0  3.0

更好的解决方案：

#create indices of zero values to helper DataFrame
a, b = np.where(df.values == 0)
df1 = pd.DataFrame({'rows':a, 'cols':b})
#for first row is not necessary count means
df1 = df1[df1['rows'] != 0]
print (df1)
   rows  cols
1     1     1
2     2     2
3     2     4
4     3     0
5     3     1

#loop by each row of helper df and assign means
for i in df1.itertuples():
    df.iloc[i.rows, i.cols] = df.iloc[:i.rows+1, i.cols].mean()

print (df)
     A     B         C  D    E
0  1.0  2.00  3.000000  0  2.0
1  2.0  1.00  7.000000  1  1.0
2  3.0  4.00  3.333333  3  1.0
3  1.5  1.75  3.000000  4  3.0

另一个类似的解决方案（所有对中的mean）：

for i, j in zip(*np.where(df.values == 0)):
    df.iloc[i, j] = df.iloc[:i+1, j].mean()
print (df)

     A     B         C    D    E
0  1.0  2.00  3.000000  0.0  2.0
1  2.0  1.00  7.000000  1.0  1.0
2  3.0  4.00  3.333333  3.0  1.0
3  1.5  1.75  3.000000  4.0  3.0

【讨论】：

感谢 jezrael 的新解决方案，我将对其进行测试并批准 (y)

【解决方案2】：

IIUC

def f(x):
    for z in range(x.size):
        if x[z] == 0: x[z] = np.mean(x[:z+1])
    return x

df.astype(float).apply(f)

    A   B       C           D   E
0   1.0 2.00    3.000000    0.0 2.0
1   2.0 1.00    7.000000    1.0 1.0
2   3.0 4.00    3.333333    3.0 1.0
3   1.5 1.75    3.000000    4.0 3.0

【讨论】：