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? Commented el 12 ene. 2018 a las 1:37

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

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