Mi problema a resolver trata de un DataFrame de la lista de descargas de modelos, como este:
En el cual tengo que crear un DataFrame resultado que obtenga por cada modelo:
Para ello he hecho este código: import pandas as pd import numpy as np
def calcular_estadisticas(descargas:pd.DataFrame)->pd.DataFrame:
# Paso 1: cargar los datos
df = pd.DataFrame(descargas)
# TRUE y FALSE son strings por lo que hay que convertirlos a booleanos
# Convertir TRUE a True y FALSE a False
df['COMENTARIO'] = df['COMENTARIO'].map({'TRUE': True, 'FALSE': False})
# Paso 2: filtrar los datos
df_pagados = df[df["PAGO"] > 0]
# Paso 3: calcular las estadísticas
agg_dict = {
"PAGO": ["count", "mean", "max", "min"],
"ESTRELLAS": ["mean", "std"],
# Reemplazamos count por sum
"COMENTARIO": ["sum"]
}
stats = df_pagados.groupby("MODELO").agg(agg_dict)
# Paso 4: crear el DataFrame resultado
resultado = pd.DataFrame({
"CANTIDAD": stats["PAGO"]["count"].astype(int),
"PROMEDIO": stats["PAGO"]["mean"].round(2),
"MAXIMO": stats["PAGO"]["max"].round(2),
"MINIMO": stats["PAGO"]["min"].round(2),
"ESTRELLAS": stats["ESTRELLAS"]["mean"].round(2),
"DESV. ESTRELLAS": stats["ESTRELLAS"]["std"].fillna(0).round(2),
# Reemplazamos count por sum
"COMENTARIOS": stats["COMENTARIO"]["sum"].astype(int)
}, index=stats.index)
# Ordenar los resultados alfabéticamente por nombre de modelo
resultado = resultado.sort_index()
return resultado
Tras ejecutar este código obtengo un error de este tipo y no se como corregirlo, si alguien me podría ayudar gracias.
Para poner un contexto si hay solo un dato no podemos calcular la desviacion estandar, entonces aparecerá Nan que debe ser sustituido por 0.0, pero claro no encuentro el error de porque no lo hace
NA
no significa nada parapandas
podría serNaN
pero ya probé el código poniendoNaN
en todas las columnas y funciona correctamente.