python - dataframe.mean() 的结果不正确

Question

我在 Python 2.7 中工作，我有一个数据框，我想获取名为“c”的列的平均值，但只获取验证另一列中的值是否等于某个值的行。当我执行代码时，答案出人意料，但当我执行计算时，计算中位数，结果是正确的。

为什么均值的输出不正确？

代码如下:

df = pd.DataFrame(
    np.array([['A', 1, 2, 3], ['A', 4, 5, np.nan], ['A', 7, 8, 9], ['B', 3, 2, np.nan], ['B', 5, 6, np.nan], ['B',5, 6, np.nan]]), 
    columns=['a', 'b', 'c', 'd']
)

df
mean1 = df[df.a == 'A'].c.mean()
mean2 = df[df.a == 'B'].c.mean()

median1 = df[df.a == 'A'].c.median()
median2 = df[df.a == 'B'].c.median()

输出:

df
Out[1]: 
   a  b  c    d
0  A  1  2    3
1  A  4  5  nan
2  A  7  8    9
3  B  3  2  nan
4  B  5  6  nan
5  B  5  6  nan

mean1
Out[2]: 86.0

mean2
Out[3]: 88.66666666666667

median1
Out[4]: 5.0

median2
Out[5]: 6.0

很明显，均值的输出是错误的。

谢谢。

Answer 1

Pandas 在计算平均值时对“总和”进行字符串连接，这从您的示例框架中显而易见。

---

>>> df[df.a == 'B'].c
3    2
4    6
5    6
Name: c, dtype: object
>>> 266 / 3
88.66666666666667

如果您查看 DataFrame 的 dtype，您会注意到它们都是 object，即使没有单个 Series 包含混合类型。这是由于您的 numpy 数组的声明。数组并不意味着包含异构类型，因此数组默认为 dtype object，然后传递给 DataFrame 构造函数。您可以通过向构造函数传递一个列表来避免这种行为，该列表可以毫无问题地容纳不同的 dtype。

---

df = pd.DataFrame(
    [['A', 1, 2, 3], ['A', 4, 5, np.nan], ['A', 7, 8, 9], ['B', 3, 2, np.nan], ['B', 5, 6, np.nan], ['B',5, 6, np.nan]],
    columns=['a', 'b', 'c', 'd']
)

df[df.a == 'B'].c.mean()

4.666666666666667

---

In [17]: df.dtypes
Out[17]:
a     object
b      int64
c      int64
d    float64
dtype: object

---

我仍然无法想象这种行为是有意为之的，所以我认为值得在 pandas 开发页面上打开一个问题报告，但一般来说，你不应该使用 object dtype 系列用于数值计算。