1

Tengo un archivo de datos separados por comas (csv), el cual tiene 4 columnas (index, planta, producto, velocidad de producción), tal como se muestra:

index,planta,producto,velocidad de producción
0,Planta 1,producto 1,40
1,Planta 3,producto 2,20
2,Planta 1,producto 1,NaN
3,Planta 1,producto 1,50
4,Planta 3,producto 2,25

En los datos del ejemplo en el renglón con índice 2 no hay dato en la velocidad de producción, por lo que quiero reemplazar el valor NaN por el promedio de los renglones con índice 0 y 3 ya que al agruparlos por planta y producto son los que corresponden a ese grupo.

Mi código hasta el momento es:

import sys
import pandas as pd

prod = pd.read_csv('datos_produccion.csv', index_col = 0, encoding = 'utf-8')
prod.apply(lambda x: pd.lib.infer_dtype(x.values))

lista_productos= prod[['planta', 'producto', 'velocidad de producción']]

#antes de generar un nuevo archivo deseo agrupar los datos y rellenar los faltantes
prod.to_csv('listra_produccion.csv', encoding = 'utf-8')

1 respuesta 1

1

Simplemente calcula la media de cada grupo y luego asignala a los valores nulos. Para calcular la media puedes usar pandas.DataFrame.groupby y luego aplicar pandas.DataFrame.transform sobre la columna velocidad de producción de cada grupo. Con ello obtendría algo así:

>>> groups_means

index
0    45.0
1    22.5
2    45.0
3    45.0
4    22.5
Name: velocidad de producción, dtype: float64

Hecho esto simplemente tienes que filtrar los valores nulos de la columna con loc y asignarles el valor medio que les pertenece según su grupo usando:

import pandas as pd

prod = pd.read_csv('datos.csv', index_col=0, encoding='utf-8')
groups_means = prod.groupby(["planta", "producto"])['velocidad de producción'].transform('mean')
prod.loc[prod['velocidad de producción'].isnull(), 'velocidad de producción'] = groups_means

Salida:

>>> prod

         planta    producto  velocidad de producción
index                                               
0      Planta 1  producto 1                     40.0
1      Planta 3  producto 2                     20.0
2      Planta 1  producto 1                     45.0
3      Planta 1  producto 1                     50.0
4      Planta 3  producto 2                     25.0

Nota:

pd.lib.infer_dtype está actualmente marcado como "Deprecated" y dejará de estar disponible en futuras versiones de Pandas. En su lugar usa prod.apply(lambda x: pd.api.types.infer_dtype(x.values)).

1
  • Cuando reemplazo la linea de código pd.lib.infer_dtype por prod.apply(lambda x: pd.api.types.infer_dtype(x.values)) me aparece el siguiente error AttributeError: ("'module' object has no attribute 'infer_dtype'", 'occurred at index indice'). ¿A que se debe? el 12 ene. 2018 a las 1:37

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.