熊猫:如何在新冠肺炎数据帧中找到局部疫情达到高峰的平均天数？

Question

假设我有一个数据帧，其中包含每个国家/地区的活动案例数与之前的值之间的差异：

[in]
import pandas as pd
import numpy as np
active_cases = {'Day(s) since outbreak':['0', '1', '2', '3', '4', '5'], 'Australia':[np.NaN, 10, 10, -10, -20, -20], 'Albania':[np.NaN, 20, 0, 15, 0, -20], 'Algeria':[np.NaN, 25, 10, -10, 20, -20]}
df = pd.DataFrame(active_cases)
df

[out]
    Day(s) since outbreak   Australia   Albania     Algeria
0             0                   NaN       NaN         NaN
1             1                  10.0      20.0        25.0
2             2                  10.0       0.0        10.0
3             3                 -10.0      15.0       -10.0
4             4                 -20.0       0.0        20.0
5             5                 -20.0     -20.0       -20.0

我需要在这个新冠肺炎数据框中找到局部疫情达到高峰的平均天数。

我的解决方案是找到每列中第一个负值的第n行(例如，“澳大利亚”中第一个负值的第n行: 3，“阿尔巴尼亚”中第一个负值的第n行: 5)，并对其进行平均。

但是，我不知道如何在Panda/Python中做到这一点。

有没有什么方法可以用简单的Python/Panda代码行来执行这个任务？

Answer 1

您可以对列Day(s) since outbreak执行set_index操作，然后使用iloc选择除第一行之外的所有行，然后检查值小于(lt) 0的位置。使用idxmax获取值小于0的第一行，并获取mean。通过您的输入，它可以提供：

print (df.set_index('Day(s) since outbreak')\
         .iloc[1:, :].lt(0).idxmax().astype(float).mean()) 
3.6666666666666665

Answer 2

使用df.where掩模负片并用np.NaN替换正片，然后计算平均值

cols= ['Australia','Albania','Algeria']
df.set_index('Day(s) since outbreak', inplace=True)
m = df< 0
df2=df.where(m, np.NaN)
#df2 = df2.replace(0, np.NaN)
df2.mean()

结果

​

​