一个初学者的问题：我试图从数据帧计算列中的平均值，但出于某种原因，尽管使用了np.nanmean，但它给了我错误的结果（即它计算分母内的零）。
因为我不知道如何将表格粘贴到这个问题中（任何建议都会很棒！），这里是我遇到的问题的一个例子：
22.0
0
0
0
35
这应该给我28.5的平均值，但是当我输入时：
np.nanmean(df)
它只返回11.4。
现在我已经尝试了轴设置，并尝试将我的0设置为numpy NaNs，但两者似乎都没有效果。
除了手动执行此操作之外，在numpy / panda库中是否有一些直截了当的东西？
离开@JohnE的这个comment，作为这篇文章的合适序言。
你从根本上误解了nan，这意味着“不是数字”，比如缺失数据或无效操作的结果（例如除以零）。零是一个有效的数字（就像黑色是一种有效的颜色，我猜;-)诚然，当数字被隐含地视为布尔值时，零可以被解释为假，但一般来说，零是有效数字，当然被认为是有效的对于任何数值方法，如均值，最大值等
在我看来，一个好的解决方案将涉及mask -
s
0 22.0
1 0.0
2 0.0
3 0.0
4 35.0
Name: 0, dtype: float64
s.mask(s.eq(0)).mean()
28.5
要么，
np.nanmean(s.mask(s.eq(0)).values)
28.5
这个解决方案的优点是它适用于Series以及DataFrame对象。
如果您有一系列（或单列数据帧），则解决方案会简化。你可以执行布尔索引来摆脱0行，然后调用mean。
s[s != 0].mean()
28.5
或者，在mean上打电话给values。这应该快得多。
i = s.values
i[i != 0].mean()
28.5
看来你需要将0替换为NaNs并获得means：
print (np.nanmean(df.replace(0,np.nan)))
28.5
在pandas qazxsw pois中省略：
NaN