numpy.mean()和pandas.mean()返回不同的平均值。为什么会这样?
我试图计算数据框中一列的平均值 我使用了两种方法: 1.将列转换为数组并使用numpy.mean()计算平均值 2.在列本身上使用了pandas.mean() 但是,它们返回不同的值numpy.mean()和pandas.mean()返回不同的平均值。为什么会这样?,pandas,numpy,Pandas,Numpy,我试图计算数据框中一列的平均值 我使用了两种方法: 1.将列转换为数组并使用numpy.mean()计算平均值 2.在列本身上使用了pandas.mean() 但是,它们返回不同的值 import numpy as np col1= subdf['V12'] col1=np.array(col1) col1_mean= col1.mean() col1_mean 这返回:-1.2549951995448174e-15 import numpy as np col1= subdf['V12']
import numpy as np
col1= subdf['V12']
col1=np.array(col1)
col1_mean= col1.mean()
col1_mean
这返回:-1.2549951995448174e-15
import numpy as np
col1= subdf['V12']
col1_mean= col1.mean()
col1_mean
这返回:-1.81065810647492e-15
为什么这两种方法不同?您能提供一个示例系列来说明这一点吗?(也许可以从你的系列中尝试,并将其拆分(左和右),看看是否仍然存在,等等)可能的重复在@politicalscientist标记的问题中解释。很明显,从数值上看,这是一个汇总错误。尝试比较
subdf['V12'].apply(np.mean)
和np.array(..).mean()
你能提供一个示例系列来说明这一点吗?(也许可以从你的系列中尝试,并将其拆分(左和右),看看是否仍然存在,等等)可能的重复在@politicalscientist标记的问题中解释。很明显,从数值上看,这是一个汇总错误。尝试比较subdf['V12']。将(np.mean)
应用于np.array(..).mean()