Pandas : utilisez Groupby pour calculer la moyenne et ne pas ignorer les NaN

Lorsque vous utilisez la fonction pandas groupby() pour regrouper par une colonne et calculer la valeur moyenne d’une autre colonne, les pandas ignoreront les valeurs NaN par défaut.

Si vous souhaitez plutôt afficher NaN s’il y a des valeurs NaN présentes dans une colonne, vous pouvez utiliser la syntaxe de base suivante :

df.groupby('team').agg({'points': lambda x: x.mean(skipna=False)})

Cet exemple particulier regroupera les lignes du DataFrame par colonne d’équipe , puis calculera la valeur moyenne de la colonne de points sans ignorer les valeurs NaN .

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : utilisez pandas groupby() et n’ignorez pas les NaN

Supposons que nous ayons le DataFrame pandas suivant qui contient des informations sur divers joueurs de basket-ball :

import pandas as pd
import numpy as np

#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
                   'points': [15, np.nan, 24, 25, 20, 35, 34, 19, 14, 12]})

#view DataFrame
print(df)

  team  points
0    A    15.0
1    A     NaN
2    A    24.0
3    A    25.0
4    A    20.0
5    B    35.0
6    B    34.0
7    B    19.0
8    B    14.0
9    B    12.0

Supposons que nous utilisions la syntaxe suivante pour calculer la valeur moyenne des points , regroupés par équipe :

#calculate mean of points, grouped by team
df.groupby('team')['points'].mean()

team
A    21.0
B    22.8
Name: points, dtype: float64

Notez que la valeur moyenne des points de chaque équipe est renvoyée, même s’il existe une valeur NaN pour l’équipe A dans la colonne des points.

Par défaut, les pandas ignorent simplement la valeur NaN lors du calcul de la moyenne.

Si vous souhaitez plutôt afficher NaN comme valeur moyenne s’il y a effectivement des NaN présents, vous pouvez utiliser la syntaxe suivante :

#calculate mean points value grouped by team and don't ignore NaNs
df.groupby('team').agg({'points': lambda x: x.mean(skipna=False)})

      points
team	
A	 NaN
B	22.8

Notez qu’une valeur NaN est renvoyée comme valeur moyenne de points pour l’équipe A cette fois.

En utilisant l’argument skipna=False , nous avons dit aux pandas de ne pas ignorer les valeurs NaN lors du calcul de la moyenne.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans les pandas :

Comment compter les valeurs uniques à l’aide de Pandas GroupBy
Comment appliquer une fonction à Pandas Groupby
Comment créer un tracé à barres à partir de Pandas GroupBy