Python 数据帧中包含的序列的平均值

以下数据帧（df）有3列：

事件

、

计数

和

长度

，其中

计数

列包含一系列数字。我想估计每行

计数的平均值

并将其显示在第四行上

df = 
Event                                                 Counts Length  
0     [111240.0, 110530.0, 108540.0, 108540.0, 10838...       5                                                      
7     [117240.0, 119160.0, 120160.0, 121950.0, 12195...       6
13    [180420.0, 180420.0, 183840.0, 183840.0, 18384...       6
16    [160260.0, 159430.0, 159430.0, 157720.0, 15955...      14

我测试了以下表达式，但没有成功

 df['mean'] = df['counts'].mean(axis = 1) 

以及基于这条线的其他变化

如果我理解正确，问题是由于

Count

列包含多个元素

---

非常感谢您对这个显然很简单的问题的帮助。

您可以使用Numpy，前提是它们的长度相同

df['Mean'] = np.mean(df['Counts'].tolist(), axis=1)
df

   Event                                           Counts  Length      Mean
0      0  [111240.0, 110530.0, 108540.0, 108540.0, 10838]       5   89937.6
1      7  [117240.0, 119160.0, 120160.0, 121950.0, 12195]       6   98141.0
2     13  [180420.0, 180420.0, 183840.0, 183840.0, 18384]       6  149380.8
3     16  [160260.0, 159430.0, 159430.0, 157720.0, 15955]      14  130559.0

否则

df['Mean'] = df['Counts'].apply(np.mean)
df

   Event                                           Counts  Length      Mean
0      0  [111240.0, 110530.0, 108540.0, 108540.0, 10838]       5   89937.6
1      7  [117240.0, 119160.0, 120160.0, 121950.0, 12195]       6   98141.0
2     13  [180420.0, 180420.0, 183840.0, 183840.0, 18384]       6  149380.8
3     16  [160260.0, 159430.0, 159430.0, 157720.0, 15955]      14  130559.0

---

以下是一种利用

numpy

阵列性能的方法：

import pandas as pd

df = pd.DataFrame([[[111240.0, 110530.0, 108540.0, 108540.0]],
                   [[117240.0, 119160.0, 120160.0, 121950.0]],
                   [[180420.0, 180420.0, 183840.0, 183840.0]],
                   [[160260.0, 159430.0, 159430.0, 157720.0]]], columns=['Counts'])

df['mean'] = np.mean(np.vstack(df['Counts'].values), axis=1)

#                                      Counts      mean
# 0  [111240.0, 110530.0, 108540.0, 108540.0]  109712.5
# 1  [117240.0, 119160.0, 120160.0, 121950.0]  119627.5
# 2  [180420.0, 180420.0, 183840.0, 183840.0]  182130.0
# 3  [160260.0, 159430.0, 159430.0, 157720.0]  159210.0

---

试试这个：df['mean']=df.Counts.map（lambda Counts:pd.Series（Counts.mean（））您建议的第一个选项给了我这个错误：

索引器：元组索引超出范围

。但第二种选择奏效了。谢谢lot@jp_data_analysis我并不总是试图优化OP的代码。有时（特别是当他们不要求时），我会给他们看起来很直观的东西。@U新手几乎可以肯定，这是因为你在

计数中的列表/数组长度不同，不能放入矩形数组中。这也是我提出第二种解决方案的原因。我很高兴它成功了。非常感谢两种选择。正如我的绰号所暗示的，我是Python/Pandas世界的新手。@the_新手作为新手没有什么丢脸的。你只需看我的第一个问题就知道我曾经和你在一起。显示了以下错误消息：ValueError：除了连接轴之外，所有输入数组维度都必须完全匹配，我猜这是因为每行的长度不同。我想和你分享这个。使用上一篇文章解决了这个问题。无论如何谢谢你！该错误是由于并非计数中的所有列表/数组长度相同。因此，Numpy不能使其成为矩形阵列。相反，它将其转换为一个一维列表数组，该数组在轴=1上运行。也就是说，调用
np.vstack
是不需要的额外开销。对于小数据，这是更有效的
np.mean（df['Counts'].values.tolist（），axis=1）
。从性能的角度来看也是很好的+从我这里得到1。