这是关于 Udacity 数据科学纳米学位的问题，我无法弄明白。说明是:
使用数据框的 apply 方法，创建一个名为 avg_medal_count 的新系列，它表示在 2014 年至少获得一枚任何奖牌的国家/地区获得的金牌、银牌和铜牌的平均数量索契奥运会。
我目前的代码是:
import numpy
from pandas import DataFrame, Series
def avg_medal_count():
countries = ['Russian Fed.', 'Norway', 'Canada', 'United States',
'Netherlands', 'Germany', 'Switzerland', 'Belarus',
'Austria', 'France', 'Poland', 'China', 'Korea',
'Sweden', 'Czech Republic', 'Slovenia', 'Japan',
'Finland', 'Great Britain', 'Ukraine', 'Slovakia',
'Italy', 'Latvia', 'Australia', 'Croatia', 'Kazakhstan']
gold = [13, 11, 10, 9, 8, 8, 6, 5, 4, 4, 4, 3, 3, 2, 2, 2, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0]
silver = [11, 5, 10, 7, 7, 6, 3, 0, 8, 4, 1, 4, 3, 7, 4, 2, 4, 3, 1, 0, 0, 2, 2, 2, 1, 0]
bronze = [9, 10, 5, 12, 9, 5, 2, 1, 5, 7, 1, 2, 2, 6, 2, 4, 3, 1, 2, 1, 0, 6, 2, 1, 0, 1]
olympic_medal_counts = {'country_name':countries,
'gold': Series(gold),
'silver': Series(silver),
'bronze': Series(bronze)}
df = DataFrame(olympic_medal_counts)
# YOUR CODE HERE
return avg_medal_count
我尝试了一些不同的事情，例如:
avg_medal_count = df.apply(numpy.mean)，但收到错误消息，指出它无法将第一列转换为数字，这是有道理的，因为第一列是国家/地区列表。如何仅在金、银和铜列上使用 df.apply？我尝试过其他变体，但没有任何效果。我很确定我需要结合使用 df.apply 和 numpy.mean，因为这是我刚刚学到的。有什么想法吗？
谢谢!
请您参考如下方法:
我会首先修改您将数据导入到的方式:
df = DataFrame(olympic_medal_counts).set_index('country_name')
然后我会计算一个新列，其中包含每个国家/地区奖牌总数的行总和。
df['medal total'] = df.sum(axis=1)
结果:
bronze gold silver medal total
country_name
Russian Fed. 9 13 11 33
Norway 10 11 5 26
Canada 5 10 10 25
United States 12 9 7 28
Netherlands 9 8 7 24
Germany 5 8 6 19
Switzerland 2 6 3 11
Belarus 1 5 0 6
Austria 5 4 8 17
France 7 4 4 15
Poland 1 4 1 6
China 2 3 4 9
Korea 2 3 3 8
Sweden 6 2 7 15
Czech Republic 2 2 4 8
Slovenia 4 2 2 8
Japan 3 1 4 8
Finland 1 1 3 5
Great Britain 2 1 1 4
Ukraine 1 1 0 2
Slovakia 0 1 0 1
Italy 6 0 2 8
Latvia 2 0 2 4
Australia 1 0 2 3
Croatia 0 0 1 1
Kazakhstan 1 0 0 1
最后，为奖牌总数大于或等于 1 的行对 DataFrame 进行子集化，并求出列的平均值。
df[df['medal total'] >= 1].apply(np.mean)
结果:
bronze 3.807692
gold 3.807692
silver 3.730769
medal total 11.346154
这也可以在一行中使用:
df[ df.sum(axis=1) >= 1 ].apply(np.mean)
