Python如何使用数据框应用方法查找列的平均值

Question

这是关于 Udacity 数据科学纳米学位的问题，我无法弄明白。说明是:

使用数据框的 apply 方法，创建一个名为 avg_medal_count 的新系列，它表示在 2014 年至少获得一枚任何奖牌的国家/地区获得的金牌、银牌和铜牌的平均数量索契奥运会。

我目前的代码是:

import numpy
from pandas import DataFrame, Series

def avg_medal_count():

 countries = ['Russian Fed.', 'Norway', 'Canada', 'United States',
                 'Netherlands', 'Germany', 'Switzerland', 'Belarus',
                 'Austria', 'France', 'Poland', 'China', 'Korea', 
                 'Sweden', 'Czech Republic', 'Slovenia', 'Japan',
                 'Finland', 'Great Britain', 'Ukraine', 'Slovakia',
                 'Italy', 'Latvia', 'Australia', 'Croatia', 'Kazakhstan']

    gold = [13, 11, 10, 9, 8, 8, 6, 5, 4, 4, 4, 3, 3, 2, 2, 2, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0]
    silver = [11, 5, 10, 7, 7, 6, 3, 0, 8, 4, 1, 4, 3, 7, 4, 2, 4, 3, 1, 0, 0, 2, 2, 2, 1, 0]
    bronze = [9, 10, 5, 12, 9, 5, 2, 1, 5, 7, 1, 2, 2, 6, 2, 4, 3, 1, 2, 1, 0, 6, 2, 1, 0, 1]

    olympic_medal_counts = {'country_name':countries,
                            'gold': Series(gold),
                            'silver': Series(silver),
                            'bronze': Series(bronze)}    
    df = DataFrame(olympic_medal_counts)


# YOUR CODE HERE


    return avg_medal_count

我尝试了一些不同的事情，例如:

avg_medal_count = df.apply(numpy.mean)，但收到错误消息，指出它无法将第一列转换为数字，这是有道理的，因为第一列是国家/地区列表。如何仅在金、银和铜列上使用 df.apply？我尝试过其他变体，但没有任何效果。我很确定我需要结合使用 df.apply 和 numpy.mean，因为这是我刚刚学到的。有什么想法吗？

谢谢!

Answer 1

我会首先修改您将数据导入到的方式:

df = DataFrame(olympic_medal_counts).set_index('country_name')

然后我会计算一个新列，其中包含每个国家/地区奖牌总数的行总和。

df['medal total'] = df.sum(axis=1)

结果:

                   bronze  gold  silver  medal total
country_name                                     
Russian Fed.         9    13      11           33
Norway              10    11       5           26
Canada               5    10      10           25
United States       12     9       7           28
Netherlands          9     8       7           24
Germany              5     8       6           19
Switzerland          2     6       3           11
Belarus              1     5       0            6
Austria              5     4       8           17
France               7     4       4           15
Poland               1     4       1            6
China                2     3       4            9
Korea                2     3       3            8
Sweden               6     2       7           15
Czech Republic       2     2       4            8
Slovenia             4     2       2            8
Japan                3     1       4            8
Finland              1     1       3            5
Great Britain        2     1       1            4
Ukraine              1     1       0            2
Slovakia             0     1       0            1
Italy                6     0       2            8
Latvia               2     0       2            4
Australia            1     0       2            3
Croatia              0     0       1            1
Kazakhstan           1     0       0            1

最后，为奖牌总数大于或等于 1 的行对 DataFrame 进行子集化，并求出列的平均值。

df[df['medal total'] >= 1].apply(np.mean)

结果:

bronze          3.807692
gold            3.807692
silver          3.730769
medal total    11.346154

这也可以在一行中使用:

df[ df.sum(axis=1) >= 1 ].apply(np.mean)