我只运行以下三条线路:
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平均值,其中一个是
第二个print
只给出这个列的平均值,并给出结果
-0.504715
尽管使用科学记数法和不使用科学记数法有区别,但这些值是不同的——为什么会这样?在
使用其他方法的示例
对sum()
执行相同的操作会导致以下结果:
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
{cd5>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
pd.DataFrame
方法与pd.Series
方法在
df.mean()
中,mean
是pd.DataFrame.mean
,并作为独立的pd.Series
对所有列进行操作。返回的是一个pd.Series
,其中df.columns
是新索引,每列的平均值是值。在您的初始示例中,df
只有一列,因此结果是一个长度为1的系列,其中索引是该列的名称,值是该列的平均值。在在
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。在显示差异
显示的区别是因为
df.mean
的结果是pd.Series
,而浮动格式由pandas
控制。另一方面,df['derived_3'].mean()
是python原语,不受pandas控制。在标量
^{pr2}$pd.Series
使用不同的格式
减少
把这些不同的方法看作是降维还是不降维是有用的。或者同义,聚合或转换。在
pd.DataFrame
会导致pd.Series
pd.Series
会产生标量减少
mean
sum
std
相关问题 更多 >
编程相关推荐