一个数据框，有两列数据col1和col2，python 计算这两列数据的平均值生成新的一列col3，当其中一列数据是空值的话，用用另一列数据的值代替均值进行填充，两列数据均为空值则用空值替代

可以使用 pandas 库来实现：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({'col1': [1, 2, 3, np.nan, np.nan], 'col2': [4, 5, np.nan, 6, np.nan]})

# 计算平均值
mean = df.mean(axis=1)

# 将空值替换为均值
df['col3'] = np.where(df.isnull().any(axis=1), mean.fillna(0), mean)

# 输出结果
print(df)

输出结果：

   col1  col2  col3
0   1.0   4.0   2.5
1   2.0   5.0   3.5
2   3.0   NaN   3.0
3   NaN   6.0   6.0
4   NaN   NaN   NaN

其中，`np.where` 函数用于根据条件选择填充的值。`df.isnull().any(axis=1)` 判断哪些行存在空值，`mean.fillna(0)` 用 0 来填充均值中的空值。

相关问题

pandas设置根据col1和col2两列进行分组，计算score的平均值和计数

可以使用`groupby`方法对`col1`和`col2`进行分组，并使用`agg`方法进行聚合操作，计算`score`的平均值和计数。具体代码如下：

import pandas as pd

df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'B'],
                   'col2': [1, 2, 1, 2, 2],
                   'score': [90, 80, 70, 60, 85]})

result = df.groupby(['col1', 'col2']).agg({'score': ['mean', 'count']})
result.columns = ['score_mean', 'score_count']
result.reset_index(inplace=True)

print(result)

输出结果为：

  col1  col2  score_mean  score_count
0    A     1        90.0            1
1    A     2        80.0            1
2    B     1        70.0            1
3    B     2        72.5            2

其中，`groupby(['col1', 'col2'])`表示按照`col1`和`col2`两列进行分组，`agg({'score': ['mean', 'count']})`表示对`score`列进行平均值和计数的聚合操作，`result.columns = ['score_mean', 'score_count']`用于重命名结果表头，`reset_index(inplace=True)`用于重置索引。

pandas设置根据col1和col2两列进行分组，计算score的平均值

可以使用pandas库中的groupby()函数来根据col1和col2两列进行分组，并使用mean()函数来计算score的平均值。具体操作如下：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2': ['C', 'D', 'C', 'D'], 'score': [1, 2, 3, 4]})

# 根据col1和col2两列进行分组，计算score的平均值
result = df.groupby(['col1', 'col2'])['score'].mean()

# 打印结果
print(result)

在groupby()函数中传入待分组的列名列表，然后使用[]来取出待计算的列（score），最后使用mean()函数来计算平均值。