使用pandas按行计算多列均值时排除特定值与非计算列的方法

修改后可直接运行的代码 #

import pandas as pd

# 读取H1~H24列，读入时直接将-9999识别为缺失值，去掉原代码错误的skiprows参数避免跳过头
df = pd.read_csv(file, sep='\t', usecols=[*range(1,25)], na_values=-9999)
# 将0值也替换为缺失值，不参与均值计算
df = df.replace(0, pd.NA)
# 按行计算均值，自动跳过所有缺失值
df_mean = df.mean(axis=1)
# 索引对齐id编号（从1开始）
df_mean.index = df_mean.index + 1
# 输出结果到文件
df_mean.to_csv(outfile, sep='\t', header=False)

核心修改逻辑 #

1. 读入数据时新增na_values=-9999参数，直接把无效值-9999识别为pandas内置的缺失值，不需要额外遍历处理
2. 新增df.replace(0, pd.NA)语句，把另一类无效值0也替换为缺失值
3. pandas的mean方法默认开启skipna=True，会自动跳过所有缺失值计算均值，最终得到的就是仅统计有效值的日均值

可选优化 #

如果某一行24个值全为无效值，计算结果会为NaN，你可以根据需求新增空值处理逻辑，比如要将空结果替换为-9999，可以在计算均值后加一行：

df_mean = df_mean.fillna(-9999)

内容的提问来源于stack exchange，提问作者Nat