爲什麼DataFrame的統計方法在pandas中返回Series？

Question

我正在使用熊貓0.13.1。該數據幀：

a = pandas.DataFrame({"a": ["foo", "bar", "qux"], "v": [1, 5.6, 50.5]}) 
a = a.set_index("a") 

含有漂浮，它們的平均可以用.mean()計算：

>>> a.mean() 
v 19.033333 
dtype: float64 
>>> type(a.mean()) 
pandas.core.series.Series 

然而

在大熊貓0.13.1，這個結果是Series而不是float - 這是爲什麼？熊貓這是新的嗎？ IIRC在大熊貓中並不是這樣。

這是獲得浮動的正確方法嗎？

>>> a.mean()[0] 

Answer 1

如果您有多列，則df.mean()系列包含每列的值。因此，a.mean()['v']（獲得平均值系列的'v'值）或a['v'].mean()（採用系列'v'的平均值）將是表達你正在做的最明確的方式。

如果您想將數據視爲單個向量/數組（即強制數據只有一列的任何構造），則表示該數據的首選方式是作爲一個Series。

另外，如果你在所有列想要的意思，你可以這樣做：

• df.mean().mean()（以每列的平均值，然後給的，平均）
• df.mean(axis=0).mean()（取平均值每一行，然後給的是，平均）
• df.as_matrix().mean()（取整矩陣[由大熊貓作爲numpy的矩陣返回/ 2D陣列]）
• df.values.mean()（同上，的平均值可能更快，但是是一個不太清楚[i熊貓作爲一個numpy數組的內部表示]