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

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（）