データフレームに結果が返されない

Question

データフレーム内のvar Aの5番目と6番目の行ごとに平均をとって、その結果をvar Bという新しい列に入れようとしていますが、NaNが表示されます。値を正しく返さなかったために結果が出る可能性がありますか？ここで

はサンプルデータです：

PID A  
1  0 
1  3 
1  2 
1  6 
1  0 
1  2 
2  3 
2  3 
2  1 
2  4 
2  0 
2  4 

期待される結果：

PID A  B 
1  0  1 
1  3  1 
1  2  1 
1  6  1 
1  0  1 
1  2  1 
2  3  2 
2  3  2 
2  1  2 
2  4  2 
2  0  2 
2  4  2 

マイコード：

lst1 = df.iloc[5::6, :] 
lst2 = df.iloc[4::6, :] 

df['B'] = (lst1['A'] + lst2['A'])/2 
print(df['B']) 

は、スクリプトはエラーなしで実行することができますが、VAR Bがあります空で、NaNと表示されます。 ご協力いただきありがとうございます！

Answer 1

異なるインデックスがあるので、問題のデータが整列していないので、NaNを取得してください。

print(lst1) 
    PID A 
5  1 2 
11 2 4 

print(lst2) 
    PID A 
4  1 0 
10 2 0 

print (lst1['A'] + lst2['A']) 
4 NaN 
5 NaN 
10 NaN 
11 NaN 
Name: A, dtype: float64 

ソリューションのための追加の使用valuesあるSeriesnumpy arrayへ：

print (lst1['A'] + (lst2['A'].values)) 
5  2 
11 4 
Name: A, dtype: int64 

それとも、2つのnumpyのアレイ合計することができます：あなたが必要と思わ

print (lst1['A'].values + (lst2['A'].values)) 
[2 4] 

を：

df['B'] = (lst1['A'] + lst2['A'].values).div(2) 
df['B'] = df['B'].bfill() 
print(df) 
    PID A B 
0  1 0 1.0 
1  1 3 1.0 
2  1 2 1.0 
3  1 6 1.0 
4  1 0 1.0 
5  1 2 1.0 
6  2 3 2.0 
7  2 3 2.0 
8  2 1 2.0 
9  2 4 2.0 
10 2 0 2.0 
11 2 4 2.0 

しかし5.のmeanとtransformとPID使用groupbyでグループごとに6.値が必要な場合：

df['B'] = df.groupby('PID').transform(lambda x: x.iloc[[4, 5]].mean()) 
print(df) 
    PID A B 
0  1 0 1.0 
1  1 3 1.0 
2  1 2 1.0 
3  1 6 1.0 
4  1 0 1.0 
5  1 2 1.0 
6  2 3 2.0 
7  2 3 2.0 
8  2 1 2.0 
9  2 4 2.0 
10 2 0 2.0 
11 2 4 2.0 

Answer 2

オプション1'PID'によって定義された各グループ内の5番目と6番目の位置の平均値を取って
簡単な方法。仮定joinを用い

df.assign(B=df.groupby('PID').transform(lambda x: x.values[[4, 5]].mean())) 

    PID A B 
0  1 0 1.0 
1  1 3 1.0 
2  1 2 1.0 
3  1 6 1.0 
4  1 0 1.0 
5  1 2 1.0 
6  2 3 2.0 
7  2 3 2.0 
8  2 1 2.0 
9  2 4 2.0 
10 2 0 2.0 
11 2 4 2.0 

---

オプション2
楽しい方法は、実際には各'PID'ための正確6行があります。

df.join(df.set_index('PID').A.pipe(lambda d: (d.iloc[4::6] + d.iloc[5::6])/2).rename('B'), on='PID') 

    PID A B 
0  1 0 1.0 
1  1 3 1.0 
2  1 2 1.0 
3  1 6 1.0 
4  1 0 1.0 
5  1 2 1.0 
6  2 3 2.0 
7  2 3 2.0 
8  2 1 2.0 
9  2 4 2.0 
10 2 0 2.0 
11 2 4 2.0