for 循环创建一个新列，其中包含特定列的平均值并生成“缺失值”消息，其中 NaN

Question

我对python非常陌生，所以提前道歉，我已经尝试解决这个问题好几个小时了。

我有一组这样的数据，但要大得多：

  A   B   C   D   
1 23  16  NaN 14
2 26  17  23  23
3 23  NaN 22  25
4 24  34  28  28

我需要为该特定行创建另一列 (E)，以获取特定列（例如 B、C 和 D）的平均分数。

如果在这一行中存在任何缺失值 (NaN)，那么我需要在 E 行中显示“缺失数据”来代替平均分数的位置。

我尝试将 NaN 输出更改为 0（这很成功），然后运行类似于以下内容的内容（我的代码变得一团糟，我忘记了从哪里开始或尝试了什么）：

composite = []
for df in column ["A","B","C"]:
    if value > 0:
        composite.append(df[:, ["A","B","C"]].mean(axis=1))
    else:
        composite.append("missing value(s)")

df["composite"] = composite
print(df)

我知道这里的代码可能有很多错误，但它是我正在尝试做的粗略结构。

我还尝试了所有可以在 google 上找到的方法，包括其他技术，例如 .loc 函数。我不想寻求帮助，因为通常我相信我可以使用以前发布的问题自己找到解决方案，但在这种情况下，尽管花费数小时通过谷歌梳理，我仍然无法完成任何工作。

任何帮助将不胜感激。我还被告知我必须使用 for 循环。此外，如果这可以在不将 NaN 值更改为 0 的情况下完成，那将是更可取的。

感谢您的任何意见。

Answer 1

我相信你可能会尝试这样的事情：

# Create column E with missing values
df["E"] = "missing values"

for idx, row in df.iterrows():
    # Try to convert your values as foat, in case any of them is NaN it will thow
    # an exception and pass
    try:
        B = float(df.iloc[idx,"B"])
        C = float(df.iloc[idx,"C"])
        D = float(df.iloc[idx,"D"])
        df.iloc[idx,"E"] = (B + C + D)/3  # Calculate the mean value and place it on E
    except:
        pass