Python 我怎么做熊猫'；s mean方法用于自定义类型

我正在尝试创建一个“数值”类（我们称之为

MyType

），Panda的

mean

完全适用于该类

我当前的方法将

MyType

实现为

numbers.Rational

的子类

class MyType(numbers.Rational):
   ...

这使得Python的

统计信息

模块能够正常工作，没有任何问题

from statistics import mean
result = mean([MyType(1), MyType(2)])
assert isinstance(result, MyType) #passes

不幸的是，Pandas中的类似代码返回一个float，而不是

MyType

的实例

result = pd.Series([MyType(1),MyType(2)]).mean()
assert isinstance(result, MyType) #fails
assert isinstance(result, float) #passes

当单步执行Panda的内部代码时，第563行的

\u sure\u numeric

方法似乎将

MyType

转换为

nanops

模块（）的

nanmean

方法中的浮点。我找不到一个办法来解决这个问题

我所尝试的：

MyType

数字的子类。Real——所有计算都是正确的，但类型是错误的

MyType

float的子类——所有计算都是正确的，但类型是错误的

MyType

ExtensionDtype的子类——就我所知，似乎没有做任何事情

---

cyberpandas

库为IP地址@jakub实现了类似的功能是的，我看过他们的库。他们使用的是

ExtensionDtypes

，但他们的IP地址不是数字类型，所以他们从未尝试测试任何统计方法，就我所知。Panda的开箱即用的

ExtensionDtypes

也都不是数字。CyberPanda的

library已经为IP地址@jakub实现了类似的功能。是的，我已经查看了它们的库。他们使用的是
ExtensionDtypes
，但他们的IP地址不是数字类型，所以他们从未尝试测试任何统计方法，就我所知。Panda的开箱即用
ExtensionDtypes
也都不是数字。