集中趋势测度：均值与中位数孰优？及行级数据替换逻辑问询

嘿，我来帮你搞定这两个问题！

其实没有绝对的「谁更优」，完全得看你的数据情况：

• 如果你的数据是对称分布（比如经典的正态分布），而且没有极端值捣乱，均值是更好的选择——它用到了所有数据点的信息，能精准反映整体的平均水平。
• 但如果数据里有极端值（比如某城市某天温度突然飙到100℃，或者低到-20℃），或者是偏态分布（比如收入数据，少数人赚得特别多），那中位数就靠谱多了——它只看中间位置的数值，完全不受极端值的影响，能代表最「典型」的那个值。

简单总结：对称无极端选均值，偏态有极端选中位数！

假设你已经用pandas算出了每行的均值，接下来咱们一步步完成剩下的逻辑：

第一步：明确需求细节 #

我们要对每行做这几件事：

1. 统计该行中小于均值的数据点占比是否≥50%
2. 如果满足条件，就把整行的城市温度值替换为该行的均值；不满足的话，就替换为该行的中位数

第二步：代码实现 #

先按你提供的温度数据构造示例数据集：

import pandas as pd

# 按你给出的温度值创建DataFrame（你提到20个城市但只提供了16个值，这里先按实际数据处理）
temp_data = {
    'city1': [23],
    'city2': [34],
    'city3': [45],
    'city4': [56],
    'city5': [34],
    'city6': [56],
    'city7': [26],
    'city8': [54],
    'city9': [12],
    'city10': [23],
    'city11': [33],
    'city12': [64],
    'city13': [34],
    'city14': [67],
    'city15': [31],
    'city16': [42]
}
df = pd.DataFrame(temp_data)

# 你已经完成的均值计算
df['row_mean'] = df.mean(axis=1)

接下来完成剩余逻辑：

# 1. 计算每行的中位数
df['row_median'] = df.median(axis=1)

# 2. 筛选出所有城市温度的列（避免误操作后面生成的辅助列）
city_columns = [col for col in df.columns if col.startswith('city')]

# 3. 统计每行中小于均值的数据点占比
df['pct_less_than_mean'] = df[city_columns].apply(lambda row: (row < row.mean()).mean(), axis=1)

# 4. 判断是否满足「50%数据点小于均值」的条件
df['condition_met'] = df['pct_less_than_mean'] >= 0.5

# 5. 根据条件替换整行数据
for index, row in df.iterrows():
    if row['condition_met']:
        # 满足条件，用均值替换整行城市列
        df.loc[index, city_columns] = row['row_mean']
    else:
        # 不满足，用中位数替换
        df.loc[index, city_columns] = row['row_median']

# 若不需要中间辅助列，可以删除它们
df = df.drop(['row_mean', 'row_median', 'pct_less_than_mean', 'condition_met'], axis=1)

代码小解释 #

• 用df.median(axis=1)计算每行中位数，为后续替换做准备；
• 用列表推导式筛选城市列，避免误操作辅助列；
• apply结合lambda函数，快速统计每行小于均值的数据占比；
• 最后遍历每行，根据条件完成整行替换。

内容的提问来源于stack exchange，提问作者stone rock