本文介绍了 pandas 数据帧列表的元素均值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
是否有一种规范的方法来计算具有相同列和索引的 DataFrame 列表的元素均值?
Is there a canonical way to compute the element-wise mean of a list of DataFrames with identical columns and indices?
我能想到的最好方法是
from functools import reduce
dfs = [df1, df2, df3, df4, df5]
reduce(lambda x, y: x.add(y), dfs) / len(dfs)
推荐答案
使用 concat 和 mean 每个索引值:
df1 = pd.DataFrame({
'C':[7,8,9],
'D':[1,3,5],
})
df2 = pd.DataFrame({
'C':[4,2,3],
'D':[7,1,0],
})
df3 = pd.DataFrame({
'C':[9,4,2],
'D':[1,7,1],
})
from functools import reduce
dfs = [df1, df2, df3]
df = reduce(lambda x, y: x.add(y), dfs) / len(dfs)
print (df)
C D
0 6.666667 3.000000
1 4.666667 3.666667
2 4.666667 2.000000
df = pd.concat(dfs).mean(level=0)
print (df)
C D
0 6.666667 3.000000
1 4.666667 3.666667
2 4.666667 2.000000
这篇关于 pandas 数据帧列表的元素均值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！