Python 大熊猫的不确定性

如何在（Python数据分析库）中轻松处理系列或数据帧上的不确定性？我最近发现了Python包，但我想知道是否有更简单的方法可以直接在Pandas中管理不确定性。我在文档中没有找到任何关于这方面的信息

更准确地说，我不想将不确定性作为新列存储在我的数据框架中，因为我认为它们是数据系列的一部分，不应该从逻辑上与它分离。例如，删除数据帧中的列没有任何意义，但删除它的不确定性没有任何意义，因此我必须手动处理这种情况

---

我在寻找类似于

data\u frame.values

属性的

data\u frame.values。一个
data\u frame.units
（对于数据单元）也很好，但我认为熊猫中不存在这些东西（现在？）。
如果你真的想让它成为一个内置函数，你可以创建一个类来放入你的数据框。然后可以定义所需的任何值或函数。下面我写了一个简单的例子，但你可以很容易地添加一个单位定义或一个更复杂的不确定性公式

import pandas as pd

data={'target_column':[100,105,110]}

class data_analysis():
    def __init__(self, data, percentage_uncertainty):
    self.df = pd.DataFrame(data)
    self.uncertainty = percentage_uncertainty*self.df['target_column'].values

当我跑的时候

example=data_analysis(data,.01)
example.uncertainty

我出去
数组（[1,1.05,1.1]）

希望这有帮助
这个问题可能太宽泛了，你无法得到有意义的答案。你能得到的最好的答案是“将它们存储在单独的列中”。@tomaugsurger我修改了我的问题。。。做了这些之后，我意识到目前可能没有完美的解决方案。我继续。您可以对NumPy数组（）使用
不确定性
。我不使用熊猫，但我会尝试在熊猫和NumPy中使用熊猫。如果需要，我很乐意更新
不确定性
，以便添加熊猫兼容性，但我首先希望知道它们是否还不兼容，如果还不兼容，在哪里会出现问题。@EOL感谢您的参与！我暂时转向另一个自制的解决方案（比熊猫更适合我的需要），不确定我在未来几天是否有时间回到这个问题上来，但如果我这样做，我肯定会告诉你如何与熊猫同居@法尔肯：供你参考：熊猫与不确定性非常相容。例如，您可以执行
pandas.Series（[不确定性.ufloat（…，…），…]）
或
pandas.Series（不确定性.unumpy.uarray（…，…）
。这只是将不确定的数字放在一列中。现在，可能会出现故障：在这种情况下，请通过以下方式报告问题：）