多数据帧的均值和标准差

Question

我有多个数据帧，它们具有相同的列和相同的观察次数： 比如说

d1 = {'ID': ['A','B','C','D'], 'Amount': 
    [1,2,3,4]}
df1 =pd.DataFrame(data=d1)

d2 = {'ID': ['A','B','C','D'], 'Amount': 
    [6,0,1,5]}
df2 =pd.DataFrame(data=d2)

d3 = {'ID': ['A','B','C','D'], 'Amount': 
    [8,1,2,3]}
df3 =pd.DataFrame(data=d3)

我需要在每个数据帧中删除一列（D）及其对应的值，然后，对于每个变量，计算平均值和标准偏差。 预期输出应为

  avg   std
A   5    ...
B  ...   ...
C  ...   ...

通常，对于一个数据帧，我会使用drop列，然后使用mean（）和标准偏差std（）计算平均值。
如何使用多个数据帧轻松快速地完成此操作？（我至少有10个）

Answer 1

您也可以使用pivot_表：

import numpy as np

pd.concat([df1, df2, df3]).pivot_table(index='ID', aggfunc=[np.mean, np.std]).drop('D')

Answer 2

将^{}与^{}中的D一起使用，并通过^{}对命名聚合进行聚合：

df = (pd.concat([df1, df2, df3])
        .query('ID != "D"')
        .groupby('ID')
        .agg(avg=('Amount', 'mean'), std=('Amount', 'std')))
print (df)
    avg       std
ID               
A     5  3.605551
B     1  1.000000
C     2  1.000000

或者通过^{}删除最后一步中的D：

df = (pd.concat([df1, df2, df3])
        .groupby('ID')
        .agg(avg=('Amount', 'mean'), std=('Amount', 'std'))
        .drop('D'))