Python 将聚合函数应用于datatable列并返回值，而不是datatable

也许是个愚蠢的问题，但是

在中，如果我想得到一列的平均值，我可以引用一个列向量，比如foo$x，然后用meanfoo$x计算它的平均值

我想不出怎么用它来做这个手术。比如说,

# imports
import numpy as np
import datatable as dt
from datatable import f

# make datatable
np.random.seed(1)
foo = dt.Frame({'x': np.random.randn(10)})

# calculate mean
dt.mean(foo.x)  # error
dt.mean(foo[:, f.x])  # Expr:mean(<Frame [10 rows x 1 col]>) ???
foo[:, dt.mean(f.x)][0, 0]  # -0.0971

虽然最后一条语句在技术上可行，但它首先返回一个1x1数据表，我从中提取唯一的值，这似乎过于繁琐。我正在努力解决的基本问题是，我不知道python datatable中是否存在列向量和/或如何引用它们

---

简而言之，有没有一种更简单的方法可以使用python datable计算列的平均值？

稍微概括一下，让我们从一个包含多个列的框架开始：

>>> import numpy as np
>>> from datatable import f, dt
>>> np.random.seed(1)
>>> foo = dt.Frame(x=np.random.randn(10), y=np.random.randn(10))
>>> foo
            x           y
--  ---------  ----------
 0   1.62435    1.46211  
 1  -0.611756  -2.06014  
 2  -0.528172  -0.322417 
 3  -1.07297   -0.384054 
 4   0.865408   1.13377  
 5  -2.30154   -1.09989  
 6   1.74481   -0.172428 
 7  -0.761207  -0.877858 
 8   0.319039   0.0422137
 9  -0.24937    0.582815 

[10 rows x 2 columns]

首先，simple.mean方法将返回一个1x2帧，每列平均值为：

>>> foo.mean()
             x          y
--  ----------  ---------
 0  -0.0971409  -0.169588

[1 row x 2 columns]

如果需要单个列的平均值，必须首先从foo中选择该列：foo[：，f.y]，或foo[：，'y']，或仅从foo['y']中选择：

现在，如果希望使用数字而不是1x1帧，可以使用[0，0]选择器或调用函数。mean1：

>>> foo['y'].mean()
            y
--  ---------
 0  -0.169588

[1 row x 1 column]

>>> foo['y'].mean()[0, 0]
-0.1695883821153589

>>> foo['y'].mean1()
-0.1695883821153589