python - 为什么 pandas 的 DataFrame 系列 mean() 失败，但 sum() 却没有，如何让它工作？

Question

在 Python Pandas 中可能有更聪明的方法来执行此操作，但以下示例应该有效，但不起作用:

import pandas as pd
import numpy as np

df1 = pd.DataFrame([[1, 0], [1, 2], [2, 0]], columns=['a', 'b'])
df2 = df1.copy()
df3 = df1.copy()

idx = pd.date_range("2010-01-01", freq='H', periods=3)
s = pd.Series([df1, df2, df3], index=idx)
# This causes an error
s.mean()

我不会发布整个回溯，但主要的错误信息很有趣:

TypeError: Could not convert    melt  T_s
0     6   12
1     0    6
2     6   10 to numeric

看起来数据框已成功求和，但没有除以序列的长度。

但是，我们可以对系列中的数据帧求和:

s.sum()

...返回:

      a     b
0     6   12
1     0    6
2     6   10

为什么 mean() 不能工作而 sum() 可以？这是错误还是缺少功能？这确实有效:

(df1 + df2 + df3)/3.0

...还有这个:

s.sum()/3.0
      a  b
0     2  4.000000
1     0  2.000000
2     2  3.333333

但这当然不理想。

Answer 1

您可以(如@unutbu 所建议的那样)使用分层索引，但是当您拥有三维数组时，您应该考虑使用“pandas Panel”。特别是当其中一个维度代表时间时，如本例所示。

Panel 经常被忽视，但它毕竟是 pandas 名称的来源。 (面板数据系统或类似的系统)。

数据与您的原始数据略有不同，因此没有两个维度具有相同的长度:

df1 = pd.DataFrame([[1, 0], [1, 2], [2, 0], [2, 3]], columns=['a', 'b'])
df2 = df1 + 1
df3 = df1 + 10

面板可以通过几种不同的方式创建，但其中一种来自字典。您可以使用索引和数据框创建字典:

s = pd.Panel(dict(zip(idx,[df1,df2,df3])))

您要寻找的平均值只是在正确的轴上操作(在本例中为 axis=0):

s.mean(axis=0)

Out[80]:
          a         b
0  4.666667  3.666667
1  4.666667  5.666667
2  5.666667  3.666667
3  5.666667  6.666667

根据您的数据，sum(axis=0) 返回预期结果。

编辑:好的，对于面板来说太晚了，因为分层索引方法已经“被接受”。我会说，如果已知数据是“参差不齐”且每个分组中的数字未知但不同，则该方法更可取。对于“square”数据，面板绝对是最佳选择，并且通过更多内置操作将显着加快速度。 Pandas 0.15 对多级索引有很多改进，但在现实世界的应用程序中仍然存在局限性和暗边缘情况。