Рассчитать минимальное, максимальное и среднее значение в столбце данных

У меня есть фрейм данных со столбцами bn, pn, s, tempC, tempF и влажностью. tempC, tempF, влажность перечислены. Я хочу рассчитать минимальное, максимальное и среднее значение tempC, tempF, влажности и также хочу сохранить все эти исходные значения. Я не знаю, как это сделать.

       bn    pn  s             tempC             tempF          humidity
0  4562562240  0020  2          [31, 33]          [88, 91]          [78, 74]
1  4562562240  0030  2          [33, 34]          [91, 92]          [74, 70]
2  4562562240  0040  2          [34, 35]          [92, 94]          [70, 67]
3  4562562240  0050  2          [35, 35]          [94, 96]          [67, 64]
4  4562562240  0060  2  [35, 35, 35, 35]  [96, 95, 95, 95]  [64, 65, 66, 67]

Итак, вывод должен быть таким

       bn    pn  s             tempC             tempF          humidity        min_tempC   max_tempC   avg_tempC   min_tempF   max_temF  avg_tempF   ...
0  4562562240  0020  2          [31, 33]          [88, 91]          [78, 74]         31         33          32          88          91      89.5
1  4562562240  0030  2          [33, 34]          [91, 92]          [74, 70]         33         34          33.5        91          92      91.5

.
.
.

python pandas python-2.7
person Tarun Khaneja    schedule 31.01.2018    source источник
comment
Например, вы можете добавить такие столбцы: df['min_tempC'] = [min(i) for i in df['tempC']]. Или что вы пробовали?   -  person Anton vBR    schedule 31.01.2018

Ответы (2)


arrow_upward
1
arrow_downward

Используйте пользовательскую функцию со списками:

def f(x):

    a = pd.Series([min(i) for i in x], index=x.index)
    b = pd.Series([max(i) for i in x], index=x.index)
    c = pd.Series([sum(i)/len(i) for i in x], index=x.index)
    return pd.concat([a,b,c], keys=('min','max','mean'))


cols = ['tempC','tempF','humidity']
df1 = df[cols].agg(f, axis=1).sort_index(axis=1, level=1)
df1.columns = df1.columns.map('_'.join)

df = df.join(df1)
print (df)
           bn  pn  s             tempC             tempF          humidity  \
0  4562562240  20  2          [31, 33]          [88, 91]          [78, 74]   
1  4562562240  30  2          [33, 34]          [91, 92]          [74, 70]   
2  4562562240  40  2          [34, 35]          [92, 94]          [70, 67]   
3  4562562240  50  2          [35, 35]          [94, 96]          [67, 64]   
4  4562562240  60  2  [35, 35, 35, 35]  [96, 95, 95, 95]  [64, 65, 66, 67]   

   min_tempC  max_tempC  mean_tempC  min_tempF  max_tempF  mean_tempF  \
0       31.0       33.0        32.0       88.0       91.0       89.50   
1       33.0       34.0        33.5       91.0       92.0       91.50   
2       34.0       35.0        34.5       92.0       94.0       93.00   
3       35.0       35.0        35.0       94.0       96.0       95.00   
4       35.0       35.0        35.0       95.0       96.0       95.25   

   min_humidity  max_humidity  mean_humidity  
0          74.0          78.0           76.0  
1          70.0          74.0           72.0  
2          67.0          70.0           68.5  
3          64.0          67.0           65.5  
4          64.0          67.0           65.5
person jezrael    schedule 31.01.2018

arrow_upward
0
arrow_downward

Например, вы можете сделать:

temp_c_min = [min(i) for i in df['tempC']];

Затем создайте фрейм данных с одним столбцом:

df_tempC = pandas.DataFrame(temp_c_min, columns=['temp_C min'])

Затем добавьте это в свой исходный df: df['tempC min'] = df_tempC;, который создаст/добавит один новый столбец в df. Вы можете сделать то же самое для других. Это нормально?

person Community    schedule 31.01.2018