有不合理的高值,也有负值内的'净进入'和'净退出'列。我试图修复它与上述代码。但我一直遇到以下错误。以下是我的代码:
indexes = [*D.index.unique()]
list_ = []
for index in indexes :
df = D[D.index == index]
array_ent = np.array(df['Net Entries'])
array_ext = np.array(df['Net Exits'])
avg_ent = np.mean(array_ent[(array_ent > 0) & (array_ent < 5040)])
avg_ext = np.mean(array_ext[(array_ext > 0) & (array_ext < 5040)])
array_ent[(array_ent < 0) | (array_ent > 5040)] = avg_ent
array_ext[(array_ext < 0) | (array_ext > 5040)] = avg_ext
df['x'] = array_ent
df['y'] = array_ext
list_.append(df)
MTA = pd.concat(list_, axis = 0)
D.head()
x一个一个一个一个x一个一个二个x
有人能解决这个问题吗?
1条答案
按热度按时间iyr7buue1#
您正在查找.clip()函数。
剪裁后,根据需要处理这些要素:中位数平均值随便什么。