dataframe.mean()的结果是不正确的

3 人关注

我在Python 2.7中工作，我有一个数据框架，我想得到名为'c'的列的平均数，但只有验证另一列的值等于某个值的行。当我执行代码时，答案是意外的，但当我执行计算时，计算中位数，结果是正确的。

为什么平均值的输出是不正确的？

The code is the following:

df = pd.DataFrame(
    np.array([['A', 1, 2, 3], ['A', 4, 5, np.nan], ['A', 7, 8, 9], ['B', 3, 2, np.nan], ['B', 5, 6, np.nan], ['B',5, 6, np.nan]]), 
    columns=['a', 'b', 'c', 'd']
mean1 = df[df.a == 'A'].c.mean()
mean2 = df[df.a == 'B'].c.mean()
median1 = df[df.a == 'A'].c.median()
median2 = df[df.a == 'B'].c.median()
The output:
Out[1]: 
   a  b  c    d
0  A  1  2    3
1  A  4  5  nan
2  A  7  8    9
3  B  3  2  nan
4  B  5  6  nan
5  B  5  6  nan
mean1
Out[2]: 86.0
mean2
Out[3]: 88.66666666666667
median1
Out[4]: 5.0
median2
Out[5]: 6.0
很明显，平均值的输出是不正确的。


           
            
             user3483203
            
            ：


           
            
             你的列是dtype
             
              object
             
             ，它在做字符串连接然后分割，这一定是无意的......


           
            
             Sandra Guerrero
            
            ：


           
            
             @yatu [2,6,6]的中位数是6，这是正确的，但[2,6,6]的平均值不是86.6。


           
            
             请把你帖子的最后一行 "很明显，媒体的输出是不正确的。"从媒体改为意思。


         
          python


         
          dataframe


         
          mean


        
         
          
          
           Sandra Guerrero
          
         
         
          发布于
          
          2019-05-02


          
           
            
            
             user3483203
            
           
           
            发布于
            
            2019-05-02


          
           已采纳


          
           
            Pandas在计算平均数时对 "总和 "进行了字符串连接，这一点从你的例子框架中可以明显看出。
           
           >>> df[df.a == 'B'].c
3    2
4    6
5    6
Name: c, dtype: object
>>> 266 / 3
88.66666666666667
如果你看一下你的DataFrame的dtype，你会注意到它们都是object，尽管没有一个Series包含混合类型。  这是由于你的numpy数组的声明造成的。   数组不是用来包含异质类型的，所以数组默认为dtype object，然后被传递给DataFrame构造函数。  你可以通过向构造函数传递一个列表来避免这种行为，列表可以容纳不同的dtype而没有问题。
df = pd.DataFrame(
    [['A', 1, 2, 3], ['A', 4, 5, np.nan], ['A', 7, 8, 9], ['B', 3, 2, np.nan], ['B', 5, 6, np.nan], ['B',5, 6, np.nan]],
    columns=['a', 'b', 'c', 'd']
df[df.a == 'B'].c.mean()