问题描述
我有一个带有一些空值的 Pandas 数据框（名为 all_samples_z_df）：
sample1 sample2 sample3 mean median mode
pos1 2 4 2 2 2
pos2 1 1 1 1
pos3 3 5 4 4
当我创建均值或中值列时没有问题，但是当我尝试创建模式列时出现此错误：ValueError：错误的项目数通过 5，放置意味着 1
我正在使用此命令，这些命令在熊猫手册中有所说明，但我收到了该模式的错误。 你知道我该如何解决这个问题吗？
all_samples_z_df['mean'] = all_samples_z_df.mean(axis=1)
all_samples_z_df['median'] = all_samples_z_df.median(axis=1)
all_samples_z_df['mode'] = all_samples_z_df.mode(axis=1)
1楼
我注意到 DataFrame 中的“空”字段被打印为空格（而不是NaN ）。
所以我假设你的每一列至少包含一个空间是对象类型。
要验证它，请运行all_samples_z_df.info() 。
要计算均值和中值，所有样本...列都应该是数字类型，否则它们将被忽略。
从均值列的结果中可以看到这种“忽略大小写”。 请注意，第一行的实际平均值是：
(2 + 4 + 2) / 3 = 2.666667
但是您对第 1 行的平均值仅为2 ，因此显然只计算了sample1列。
为了获得正确的值类型，在我的测试中，我创建了一个包含以下内容的源文件：
,sample1,sample2,sample3
pos1,2,4,2
pos2,1,,1
pos3,3,5,
并阅读它调用：
all_samples_z_df = pd.read_csv('input.csv', index_col=0)
得到：
sample1 sample2 sample3
pos1 2 4.0 2.0
pos2 1 NaN 1.0
pos3 3 5.0 NaN
所以现在“空”值打印为NaN 。
当你运行all_samples_z_df.info() ，你会看到
- sample1列是int64类型，
- 剩下的两列都是float64类型。
另一个提示：当您计算所有函数时，您应该只使用 3 个初始列。 否则，较早计算的列将作为其他计算中的源包括在内，这可能不是您想要的。
现在，没有任何障碍，您可以运行：
all_samples_z_df['mean'] = all_samples_z_df.iloc[:, 0:3].mean(axis=1)
all_samples_z_df['median'] = all_samples_z_df.iloc[:, 0:3].median(axis=1)
（注意iloc[:, 0:3].添加到两个指令中）。
到目前为止，结果是：
sample1 sample2 sample3 mean median
pos1 2 4.0 2.0 2.666667 2.0
pos2 1 NaN 1.0 1.000000 1.0
pos3 3 5.0 NaN 4.000000 4.0
现在运行all_samples_z_df.iloc[:, 0:3].mode(axis=1) （只是为了查看结果）：
0 1
pos1 2.0 NaN
pos2 1.0 NaN
pos3 3.0 5.0
意思是：
- 对于前 2 行，最常出现的值分别是2和1 。
-
但在第三行有两个最常出现的值（出现次数相等）：
- 第一个是3 ，
- 第二个是5 。
这就是您的问题的根源：两个项目（3 和 5）已作为最后一行中新列的内容传递。
一种可能的解决方案是仅使用多个值中的第一个，因此您可以运行：
all_samples_z_df['mode'] = all_samples_z_df.iloc[:, 0:3].mode(axis=1)[0]
相反（注意添加[0] ）。
现在的结果是：
sample1 sample2 sample3 mean median mode
pos1 2 4.0 2.0 2.666667 2.0 2.0
pos2 1 NaN 1.0 1.000000 1.0 1.0
pos3 3 5.0 NaN 4.000000 4.0 3.0