Pandas-数据帧聚合行为异常

与及

考虑这个数据帧

import pandas as pd
import numpy as np
df = pd.DataFrame(index=range(10))
df['a'] = [ 3 * x for x in range(10) ]
df['b'] = [ 1 -2 * x for x in range(10) ]

根据for

aggregate

，您应该能够使用

dict

指定要聚合的列，如下所示：

df.agg({'a' : 'mean'})

    a           b
0   [0, 0]      1
1   [3, 4]      -1
2   [6, 8]      -3
3   [9, 12]     -5
4   [12, 16]    -7
5   [15, 20]    -9
6   [18, 24]    -11
7   [21, 28]    -13
8   [24, 32]    -15
9   [27, 36]    -17

返回

a    13.5

但是，如果您尝试使用像这样的用户定义函数来聚合

def nok_mean(x):
    return np.mean(x)

df.agg({'a' : nok_mean})

它返回每行而不是每列的平均值

      a
0   0.0
1   3.0
2   6.0
3   9.0
4  12.0
5  15.0
6  18.0
7  21.0
8  24.0
9  27.0

为什么用户定义函数返回的结果与使用

np.mean

或

'mean'

进行聚合的结果不同

---

这是使用

pandas

version

0.23.4

，

numpy

version

1.15.4

，

python

version

3.7.1

当你定义

nok_mean

函数时，你的函数定义基本上是说你想要

np.mean

每一行

它找到每行的平均值并返回结果。 例如，如果您的数据帧如下所示：

df.agg({'a' : 'mean'})

    a           b
0   [0, 0]      1
1   [3, 4]      -1
2   [6, 8]      -3
3   [9, 12]     -5
4   [12, 16]    -7
5   [15, 20]    -9
6   [18, 24]    -11
7   [21, 28]    -13
8   [24, 32]    -15
9   [27, 36]    -17

然后

df.agg（{'a'，nok_mean}）

将返回以下内容：

    a
0   0.0
1   3.5
2   7.0
3   10.5
4   14.0
5   17.5
6   21.0
7   24.5
8   28.0
9   31.5

---

这与熊猫方面的计算方式有关

当您传递一组函数时，输入被视为数据帧，而不是扁平数组。之后，默认情况下，所有计算都在索引轴上进行。这就是为什么你要按行算账

如果您访问，您将看到：

聚合操作始终在轴上执行，或者 索引（默认）或列轴。这种行为不同于

numpy

聚合函数（

mean

，

median

，

prod

，

sum

，

std

，

var

），其中默认值是计算被展平的 数组，例如，

numpy.mean（arr\u 2d）

与

numpy.mean（arr\u 2d）相反，
轴=0）

__

---

我认为模仿numpy的行为并同时将一系列函数传递给agg的唯一方法是

df.agg（nok_-mean）['a']

这个问题与将

np.mean

应用于一个系列有关。让我们看几个例子：

def nok_mean(x):
    return x.mean()

df.agg({'a': nok_mean})

a    13.5
dtype: float64

这与预期一样有效，因为您使用的是mean的pandas版本，可应用于系列或数据帧：

df['a'].agg(nok_mean)
df.apply(nok_mean)

让我们看看将

np.mean

应用于序列时会发生什么：

def nok_mean1(x):
    return np.mean(x)

df['a'].agg(nok_mean1)
df.agg({'a':nok_mean1})
df['a'].apply(nok_mean1)
df['a'].apply(np.mean)

全部返回

0     0.0
1     3.0
2     6.0
3     9.0
4    12.0
5    15.0
6    18.0
7    21.0
8    24.0
9    27.0
Name: a, dtype: float64

当您将

np.mean

应用于数据帧时，它会按预期工作：

df.agg(nok_mean1)
df.apply(nok_mean1)

a    13.5
b    -8.0
dtype: float64

为了使

np.mean

能按预期使用函数传递x的数据：

def nok_mean2(x):
    return np.mean(x.values)

df.agg({'a':nok_mean2})

a    13.5
dtype: float64

我猜所有这些都与

apply

有关，这就是

df['a']的原因。apply（nok_mean2）

返回一个属性错误

---

我在猜源代码

谢谢。如何将

np.mean

应用于序列而不是行？在

df.agg（{'a'：np.mean}）

的情况下，我们也传递了一个函数的dict，但是熊猫的行为与预期的一样，因此它的内容不止这些。类似地，请注意

df.agg（{'a'：sum}）

和

df.agg（{'a'：lambda x:sum（x）}

都会产生预期的结果，即使它们遵循相同的模式。