之間np.mean和pandas.mean

Question

import numpy as np 
import pandas as pd 
import numpy.ma as ma 

a = np.zeros((2,3,2)) 
a[0]=1 
a[1]=3 

a[0,0,1]=np.nan 
a[0,1,1]=np.nan 
a=ma.masked_invalid(a) 
a 
Out[17]: 
masked_array(data = 
[[[1.0 --] 
    [1.0 --] 
    [1.0 1.0]] 

[[3.0 3.0] 
    [3.0 3.0] 
    [3.0 3.0]]], 
      mask = 
[[[False True] 
    [False True] 
    [False False]] 

[[False False] 
    [False False] 
    [False False]]], 
     fill_value = 1e+20) 

我想使用np.mean像下面的結果的差異：

b = np.mean(a,axis=0) 
b 

Out[18]: 

masked_array(data = 
[[2.0 3.0] 
[2.0 3.0] 
[2.0 2.0]], 
      mask = 
[[False False] 
[False False] 
[False False]], 
     fill_value = 1e+20) 

它忽略NaN值和保留屏蔽數組，計算的平均時沿着axis=0排列。

但是，當我用熊貓創建一個小組，並計算數組的平均值：

p = pd.Panel(a) 
b1=p.mean(axis=0) 
b1.values 
Out[25]: 
array([[ 2. , 1.5], 
     [ 2. , 1.5], 
     [ 2. , 2. ]]) 

看來，在對待大熊貓值NaN爲零，並且沒有掩蓋陣列平均方法。

我的問題是如何使用熊貓獲得相同的結果，如使用np.mean？

Answer 1

構建的面板

p = pd.Panel(a.data) 

然後你就可以得到你想要的東西：

In [334]: p.mean(axis=0) 
Out[334]: 
    0 1 
0 2 3 
1 2 3 
2 2 2