df.mean()和df[‘列’].mean()结果的差异

Question

我只运行以下三行：

df = pd.read_hdf('data.h5')
print(df.mean())
print(df['derived_3'].mean())

第一个print列出了每个列的所有单独的方法，其中一个是

derived_3        -5.046012e-01

第二个print只给出了这个列的平均值，并给出了结果

-0.504715

尽管在使用科学符号方面有区别，但这些值是不同的--为什么会这样？

使用其他方法的示例

对sum()执行同样的操作将得到以下结果：

derived_3        -7.878262e+05

-788004.0

同样，结果略有不同，但是count()返回相同的结果：

derived_3         1561285

1561285

此外，df.head()的结果

   id  timestamp  derived_0  derived_1  derived_2  derived_3  derived_4  \
0  10          0   0.370326  -0.006316   0.222831  -0.213030   0.729277   
1  11          0   0.014765  -0.038064  -0.017425   0.320652  -0.034134   
2  12          0  -0.010622  -0.050577   3.379575  -0.157525  -0.068550   
3  25          0        NaN        NaN        NaN        NaN        NaN   
4  26          0   0.176693  -0.025284  -0.057680   0.015100   0.180894   

   fundamental_0  fundamental_1  fundamental_2    ...     technical_36  \
0      -0.335633       0.113292       1.621238    ...         0.775208   
1       0.004413       0.114285      -0.210185    ...         0.025590   
2      -0.155937       1.219439      -0.764516    ...         0.151881   
3       0.178495            NaN      -0.007262    ...         1.035936   
4       0.139445      -0.125687      -0.018707    ...         0.630232   

   technical_37  technical_38  technical_39  technical_40  technical_41  \
0           NaN           NaN           NaN     -0.414776           NaN   
1           NaN           NaN           NaN     -0.273607           NaN   
2           NaN           NaN           NaN     -0.175710           NaN   
3           NaN           NaN           NaN     -0.211506           NaN   
4           NaN           NaN           NaN     -0.001957           NaN   

   technical_42  technical_43  technical_44         y  
0           NaN          -2.0           NaN -0.011753  
1           NaN          -2.0           NaN -0.001240  
2           NaN          -2.0           NaN -0.020940  
3           NaN          -2.0           NaN -0.015959  
4           NaN           0.0           NaN -0.007338  

Answer 1

pd.DataFrame 方法与 pd.Series 方法

在df.mean()中，mean是pd.DataFrame.mean，作为单独的pd.Series对所有列进行操作。返回的是一个pd.Series，其中df.columns是新的索引，每个列的平均值是值。在您的初始示例中，df只有一个列，因此结果是一个长度--一个序列，其中索引是该列的名称，值是该列的平均值。

在df['derived_3'].mean()中，mean是pd.Series.mean，df['derived_3']是pd.Series。pd.Series.mean的结果将是标量。

显示差异

之所以显示不同，是因为df.mean的结果是pd.Series，浮点格式由pandas控制。另一方面，df['derived_3'].mean()是蟒蛇的原始生物，不受熊猫的控制。

import numpy as np
import pandas as pd

标量

np.pi

3.141592653589793

pd.Series

pd.Series(np.pi)

0    3.141593
dtype: float64

以不同的格式

with pd.option_context('display.float_format', '{:0.15f}'.format):
    print(pd.Series(np.pi))

0   3.141592653589793
dtype: float64

还原

把这些不同的方法看作是降维或不降维是很有用的。或同义词，聚合或转换。

• 减少pd.DataFrame会导致pd.Series
• 减少pd.Series会导致标量

减少的方法

• mean
• sum
• std