2024-04-25 09:39:12 发布
网友
如何用更多熊猫的方式编写以下函数:
def calculate_df_columns_mean(self, df): means = {} for column in df.columns.columns.tolist(): cleaned_data = self.remove_outliers(df[column].tolist()) means[column] = np.mean(cleaned_data) return means
谢谢你的帮助。
在我看来,对列的迭代是不必要的:
def calculate_df_columns_mean(self, df): cleaned_data = self.remove_outliers(df[column].tolist()) return cleaned_data.mean()
假设remove_outliers仍然返回一个df,上面的内容就足够了
remove_outliers
编辑
我认为以下几点应该管用:
def calculate_df_columns_mean(self, df): return df.apply(lambda x: remove_outliers(x.tolist()).mean()
使用^{}:
# axis=0 means apply to columns; axis=1 to rows df.apply(numpy.sum, axis=0) # equiv to df.sum(0)
在我看来,对列的迭代是不必要的:
假设
remove_outliers
仍然返回一个df,上面的内容就足够了编辑
我认为以下几点应该管用:
使用^{} :
相关问题 更多 >
编程相关推荐