我有一个python-pandas-DataFrame，其中第一列是"user_id"，其余列是标签（"Tag_0"到"Tag_122"）。
我有以下格式的数据：
UserId Tag_0 Tag_1
7867688 0 5
7867688 0 3
7867688 3 0
7867688 3.5 3.5
7867688 4 4
7867688 3.5 0我的目标是为每个user_id实现Sum(Tag)/Count(NonZero(Tags))df.groupby('user_id').sum()，得到sum(tag)，但我对计数非零值一无所知
是否可以在一个命令中实现Sum(Tag)/Count(NonZero(Tags))？
在MySQL中，我可以这样实现：
select user_id, sum(tag)/count(nullif(tag,0)) from table group by 1任何帮助将不胜感激。
5条答案
按热度按时间tkclm6bt1#
我最喜欢的获取每列中非零值的方法是
对于每行中的非零数，使用
（感谢Skulas）
如果你的df中有nans，你应该先把它们设为零，否则它们会被算作1。
（感谢Sirc）
bwitn5fc2#
为什么不使用
np.count_nonzero？1.要计算整个 Dataframe 的非零个数，请执行
np.count_nonzero(df)1.计算所有行
np.count_nonzero(df, axis=0)的非零个数1.计算所有列
np.count_nonzero(df, axis=1)的非零数它也适用于日期。
6rvt4ljy3#
要计算非零值，只需执行
(column!=0).sum()，其中column是您要计算的数据。column != 0返回一个布尔数组，True为1，False为0，因此将其求和可以得到符合条件的元素数。为了得到你想要的结果，
iklwldmw4#
我知道这个问题很老，但似乎OP的目的与问题标题不同：
我的目标是为每个user_id实现Sum（Tag）/Count（NonZero（Tags））。
对于OP的目标，我们可以用NaN替换0并使用
groupby+mean（这是可行的，因为mean默认跳过NaN）：输出：
dy1byipe5#
一个简单的列表解析，用于获取df每列中非零值的计数：