求一列的平均值;但不包括奇异值

Question

想象一下，我有一个这样的数据集：

ID           birthyear  weight
0        619040       1962       0.1231231
1        600161       1963       0.981742
2      25602033       1963       1.3123124     
3        624870       1987       10,000

我想得到柱重的平均值，但明显的10000阻碍了实际的平均值。在这种情况下，我不能改变值，但必须解决它，这是我迄今为止所得到的，但很明显，它包括了最后一个值。

avg_num_items = df_cleaned['trans_quantity'].mean()
translist = df_cleaned['trans_quantity'].tolist()

我的数据帧是df_clean，而我实际处理的列是"trans_quantity"，那么在处理该值的同时，我如何处理平均值呢？

Answer 1

由于您在标记中添加了SQL，因此在SQL中，您希望在WHERE子句中排除它：

SELECT AVG(trans_quantity)
FROM your_data_base
WHERE trans_quantity <>  10,000

大熊猫：

avg_num_items = df_cleaned[df_cleaned["trans_quantity"] != 10000]["trans_quantity"].mean()

您也可以将您的值替换为NAN，并在平均值中跳过它：

avg_num_items =  df_cleaned["trans_quantity"].replace(10000, np.nan).mean(skipna=True)

Answer 2

使用panda，确保您有数字数据(10,000是字符串(，过滤阈值以上的值，并使用平均值：

(pd.to_numeric(df['weight'], errors='coerce')
.loc[lambda x: x<10000]
.mean()
)

输出：0.8057258333333334