如何计算DataFrame指定列均值并排除特定异常值

场景说明 #

需要计算DataFrame df_cleaned 中trans_quantity列的均值，但要排除异常值10,000，且不能修改原DataFrame中的数据。当前直接调用.mean()的代码会包含该异常值，需要调整实现逻辑。

解决方案 #

以下几种方法都能实现需求，且不会改动原数据：

• 布尔索引过滤法
  先通过布尔条件筛选出不等于异常值的行，再计算均值：

  # 注意：如果trans_quantity是数值类型，异常值应为10000（无逗号），去掉引号即可
  avg_num_items = df_cleaned[df_cleaned['trans_quantity'] != '10,000']['trans_quantity'].mean()
  

• loc索引筛选法
  使用loc同时指定行条件和列名，逻辑更清晰：

  avg_num_items = df_cleaned.loc[df_cleaned['trans_quantity'] != '10,000', 'trans_quantity'].mean()
  

• query方法过滤法
  适合更复杂的过滤条件，语法更接近自然语言：

  avg_num_items = df_cleaned.query("trans_quantity != '10,000'")['trans_quantity'].mean()
  

注意事项 #

如果trans_quantity列是数值类型，异常值10,000通常会存储为10000（无逗号格式），此时需要把代码中的'10,000'改为10000（去掉引号）。

内容的提问来源于stack exchange，提问作者Ellendejefferes