数据帧列平均值上的布尔运算-这必须很简单

Question

我至少有一个数据帧：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[1,5,3],
                  'B': [4,2,6]})

df['avg'] = df.mean(axis=1)
df[df<df['avg']]

我想保留数据框中低于df['avg'列中平均值的所有值。当我执行以下操作时，返回所有的NAN

df[df<df['avg']]

如果我设置一个for循环，我可以得到我想要的布尔值。

col_names = ['A', 'B']
for colname in col_names:
    df[colname] = df[colname]<df['avg']

我要找的东西是这样的：

df_desired = pd.DataFrame({
    'A':[1,np.nan,3],
    'B':[np.nan,2,np.nan],
    'avg' :[2.5, 3.5, 4.5]
})

我该怎么做呢？一定有蟒蛇的方法来做到这一点。

Answer 1

我认为这比公认的解决方案更为惯用和清晰：

import numpy as np
import pandas as pd

df = pd.DataFrame({'A': [1, 5, 3],
                   'B': [4, 2, 6]})

print(df)

df['avg'] = df.mean(axis=1)

print(df)

df[df[['A', 'B']].ge(df['avg'], axis=0)] = np.NaN

print(df)

输出：

   A  B
0  1  4
1  5  2
2  3  6
   A  B  avg
0  1  4  2.5
1  5  2  3.5
2  3  6  4.5
     A    B  avg
0  1.0  NaN  2.5
1  NaN  2.0  3.5
2  3.0  NaN  4.5

说到被接受的解决方案，不再建议使用。值来将熊猫数据帧或系列转换为NumPy数组。幸运的是，我们实际上不需要在这里使用它：

df.mask(df > df['avg'][:, np.newaxis])

Answer 2

您可以在这里使用。我们可以使用Numpy的广播来生成一个高于给定平均值的布尔值数组：

>>> df.mask(df.values > df['avg'].values[:,None])
     A    B  avg
0  1.0  NaN  2.5
1  NaN  2.0  3.5
2  3.0  NaN  4.5