python - 计算 pandas 数据框中选定列的选定行的平均值，但最终得到一些奇怪的数字

Question

我试图在 python 中找到数据框特定列的平均值，但最后我得到了一些非常奇怪的数字。谁可以给我解释一下这个？我想要 a、b、c 列的平均值

k = pd.DataFrame(np.array([[1, 0, 3,'kk'], [4, 5, 6,'kk'], [7, 20, 9,'k'],[3, 2, 9,'k']]),
                   columns=['a', 'b', 'c','type'])
k

返回

    a   b   c   type
0   1   0   3   kk
1   4   5   6   kk
2   7   20  9   k
3   3   2   9   k

我想要除“类型”列之外的每一列的平均值

 k[['a','b','c']].mean()

这给了我

a     368.25
b    1300.50
c     924.75
dtype: float64

我很困惑!谁能给我解释一下？

Answer 1

这是创建具有混合数据类型的 numpy 数组的问题。每个子列表现在都有 Object 的数据类型，并且正在将其转换为数据框。

因此，现在 DataFrame 也将保存与数组中相同的数据类型。

请看下面的片段:

k = pd.DataFrame(np.array([[1, 0, 3,'kk'], [4, 5, 6,'kk'], [7, 20, 9,'k'],[3, 2, 9,'k']]),
                   columns=['a', 'b', 'c','type'])

print(k.dtypes)

a       object
b       object
c       object
type    object
dtype: object

但是您可以想一想，如何计算字符串对象的平均值。这又是 numpy 的力量。

例如，取a列:

当你应用 mean 时，它正在尝试下面的操作，

np.sum(数组)/len(数组)

print(np.sum(k["a"]))

'1473'

print(np.len(k["a"]))

4

print(np.mean(k["a"]))

368.25

现在，368.25 只不过是 1473/4。

对于 b 列，它将是 05202/4 = 1300.5。

因此，当您创建 Dataframe 时，使用列表列表或字典形式创建，这将根据元素分配数据类型。

k = pd.DataFrame(([[1, 0, 3,'kk'], [4, 5, 6,'kk'], [7, 20, 9,'k'],[3, 2, 9,'k']]),
                   columns=['a', 'b', 'c','type'])

print(k.dtypes)

a        int64
b        int64
c        int64
type    object
dtype: object


print(k.mean())

a    3.75
b    6.75
c    6.75
dtype: float64