为什么pandas中的DataFrame统计方法返回Series？

Question

我正在使用 pandas 0.13.1 版本。这个数据框：

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

里面有一些浮点数，我们可以用 .mean() 来计算它们的平均值：

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

但是在 pandas 0.13.1 中，这个结果是一个 Series 而不是一个 float，这是为什么呢？这是 pandas 的新特性吗？我记得在旧版本的 pandas 中不是这样的。

那么，获取浮点数的正确方法是什么呢？

>>> a.mean()[0]

Answer 1

如果你的数据有多列，使用 df.mean() 这个命令会给每一列计算一个平均值。所以你可以用 a.mean()['v'] 来获取平均值中 'v' 这一列的值，或者用 a['v'].mean() 来计算 'v' 这一列的平均值，这两种方式都是最清晰的表达方式。

如果你想把数据当作一个整体来看（也就是让数据只显示一列），最好的方式是把它表示为一个 Series。

另外，如果你想计算所有列的平均值，可以这样做：

• df.mean().mean() （先计算每一列的平均值，再计算这些平均值的平均）
• df.mean(axis=0).mean() （先计算每一行的平均值，再计算这些平均值的平均）
• df.as_matrix().mean() （计算整个矩阵的平均值，这个矩阵是 pandas 返回的 numpy 矩阵/二维数组）
• df.values.mean() （和上面一样，可能会更快，但不太清晰，因为这是 pandas 内部用 numpy 数组表示的）