Pandas系列的均值和标准差

Question

我有一个列表：

data = [
{'A': [2.0, 3.0, 4.0, 5.0, 6.0], 'B':[27.0, 28.0, 29.0, 30.0], 'C': ['lic1'],
 'D': ['soy1'], 'E': ['foo1']},
{'A': [7.0, 11.0, 90.0, 43.0, 87.0], 'B':[27.0, 28.0, 29.0, 30.0], 'C': ['lic1'],
 'D': ['soy1'], 'E': ['foo1']},
# ... etc

关于'A'的数据是一个Pandas Series。我想要计算'A'中数据的平均值和标准差（A中有多个记录）。例如：(mean=(2.0+3.0+4.0+5.0+6.0+7.0+11.0+90.0+43.0+87.0)/len(A)=25.8)

- magicsword

---

all_as = reduce((lambda x, y: x['A'] + y['A']), data) 将data中所有'A'的值相加并返回总和，其中reduce()函数可以对序列做累积操作。 - greedy52

Answer 1

您可以使用 列表推导式 与 concat，然后使用 mean 或 std 进行计算。

如果要转换为 float (int)，请添加 astype，如果仍有问题，则需要使用带有参数 errors='coerce' 的 to_numeric。

s = pd.concat([pd.Series(x['A']) for x in data]).astype(float)
print (s)
0     2.0
1     3.0
2     4.0
3     5.0
4     6.0
0     7.0
1    11.0
2    90.0
3    43.0
4    87.0
dtype: float64

print (s.mean())
25.8

print (s.std())
35.15299892375234

另一种解决方案：

from  itertools import chain

s = pd.Series(list(chain.from_iterable([x['A'] for x in data]))).astype(float)
print (s)
0     2.0
1     3.0
2     4.0
3     5.0
4     6.0
5     7.0
6    11.0
7    90.0
8    43.0
9    87.0
dtype: float64

- jezrael

---

'A'上的数据是字符串。[2.0，3.0，4.0，5.0，6.0]。我该如何将它们转换为浮点数，以便我可以使用.mean()函数？ - magicsword

我尝试了两种解决方案，但它们都给了我这个错误：ValueError: 用序列设置数组元素。 - magicsword

[x['A'] for x in data] 返回什么？ - jezrael

如果 a = [x['A'] for x in data]，那么 type(a[0]) 是什么？ - jezrael

它输出 'list' - magicsword