python - 如何在Pandas Python 3.X中划分两个数据帧，并将NaN，inf值替换为0

这是我的代码：

mean= all_data.groupby(['Id'])[features].agg('mean').reset_index()

all_data = pd.merge(all_data, mean, suffixes=["", "_mean"], how='left', on=['Id'])

现在，我想向all_data框架添加另一列，如下所示：

meanDivide = all_data[features] / mean
all_data = pd.merge(all_data, meanDivide, suffixes=["", "_meanDivide"], how='left', on=['Id'])

我想在Id上将其加入all_data。然后将Nan inf值替换为0（以熊猫为单位）。我几乎花了一整天的时间，但是还是有问题。

编辑：我的all_data看起来像这样：

ID第1行第2行
1 6 0
2 5 3
3 2 2
4 0 0
5 3 8

features变量，如下所示：

features = ['Row1','Row2']

CSV格式的数据：

Id,Row1,Row2
1,6,0
2,5,3
3,2,2
4,0,0
5,3,8

最佳答案

首先，您不需要merge

newdf=all_data.groupby(['Id'])[features].transform('mean')
newdf2=all_data[features]/newdf

pd.concat([all_data,newdf.add_suffix('_mean'),newdf2.add_suffix('_meanDivide')],axis=1)

关于python - 如何在Pandas Python 3.X中划分两个数据帧，并将NaN，inf值替换为0，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53783214/