python - 如何获得整个数据框而不是列的平均值？

Question

如何获取 pandas 数据框中所有值(NaN 除外)的平均值？

pd.DataFrame.mean()仅给出每列(或行，当设置 axis=1 时)的平均值，但我想要整个事物的平均值。 df.mean().mean() 并不是最明智的选择(见下文)。

请注意，在我的具体真实案例中，数据框有一个很大的多索引，这使事情变得更加复杂。对于这无关紧要的情况，可以认为@EdChum 的回答更直接，在某些情况下这可能比更快的解决方案更可取。

示例代码

data1 = np.arange(16).reshape(4, 4)
df = pd.DataFrame(data=data1)

df.mean()
0    9.0
1    7.0
2    8.0
3    9.0
dtype: float64

df.mean().mean()
7.5

np.arange(16).mean()
7.5

有效，但如果我屏蔽部分 df(实际上，它是数百行/列的相关矩阵，其本身有一半填充了冗余数据)，它会变得有趣:

triang = np.triu_indices(4)
data2 = np.arange(4.,20.).reshape(4, 4)
data2[triang]=np.nan
df2 = pd.DataFrame(data=data2)

df2.mean().mean()
15.0

但是 (8. + 12. + 13. + 16. + 17. + 18.)/6 是 14.

除了手动编写某种循环来执行上述操作外，我怎样才能最好地获得“真实”的意思？

Answer 1

您可以使用 numpy.nanmean :

triang = np.triu_indices(4)
data2 = np.arange(4.,20.).reshape(4, 4)
data2[triang]=np.nan
df2 = pd.DataFrame(data=data2)

res = np.nanmean(df2)  # 14.0

也可以通过 stack，如@EdChum 所述，但速度较慢:

df2 = pd.concat([df2]*100000)

%timeit np.nanmean(df2)              # 14.0ms
%timeit df2.stack().dropna().mean()  # 55.7ms

如果您的数据仅为数字，您还可以完全移除 Pandas 开销。