向数据框添加一列，计算各行的平均值 - 让所有“NaN”返回答案

【问题标题】：Adding a column to dataframe that calculates the mean across rows-getting all 'NaNs' returned向数据框添加一列，计算各行的平均值 - 让所有“NaN”返回
【发布时间】：2019-02-01 00:05:15
【问题描述】：

我正在尝试向我的数据框中添加一列，以计算我的数据框列子集的行的平均值。我正在尝试这个（Min1-Min5 是我想要平均的列子集的名称）：

df_temps['MinAvg'] = df_temps[['Min1', 'Min2', 'Min3', 'Min4', 'Min5']].mean(axis=1)

但它会返回一个名为 MinAvg 的列，其中包含所有 NaN 值。我的数据框中没有NA 或缺少数据点。

更新：所有最小变量都是从 API 中提取的字符串类型。因此，我需要根据下面的反馈将其从字符串更改为带有 (.astype(float)) 的浮点数！感谢您的帮助！

【问题讨论】：

如果您分享您的数据样本会有所帮助。
似乎值不是数字，所以使用df_temps['MinAvg'] = df_temps[['Min1', 'Min2', 'Min3', 'Min4', 'Min5']].astype(float).mean(axis=1)
@jezrael 谢谢！这有效，值是从 API 作为字符串类型提取的，所以我需要 .astype(float) 来实际计算平均值。
@Peyman 谢谢我将编辑它以显示我最初添加到我的数据框中的值是来自 API 的字符串。所以我需要上面提到的jazrael 的.astype(float) 片段。

标签： python pandas dataframe mean

【解决方案1】：

问题是值的类型是strings，所以需要将它们转换为float：

cols = ['Min1', 'Min2', 'Min3', 'Min4', 'Min5'] 
df_temps['MinAvg'] = df_temps[cols].astype(float).mean(axis=1)

或重新分配回转换后的列：

df_temps = df_temps.astype(float)

df_temps['MinAvg'] = df_temps.mean(axis=1)

【讨论】：