我有一个非常规的 DataFrame(从 csv 中读入)。它看起来像这样:
SubjAns a1 a2 demog
S1A1 "1,2,3" "4,6" A
S1A2 "101,1" NaN B
对于每个单元格,我首先需要将字符串转换为 float 列表(pandas 是否有办法将其读取为 float 列表而不是字符串?)然后我想创建一个新的由均值和标准差组成的DataFrame:
SubjAns a1_mean a1_stdev a2_mean a2_stdev demog
S1A1 3.0 1 5.0 1.41 A
S1A2 51.0 70.71 NaN NaN B
这可能吗?我最终会将它读入 scikit-learn,所以如果有任何方法更适合它,请包括它。
最佳答案
一种方法是编写一个小型的先解析后统计函数
In [270]: df
Out[270]:
SubjAns a1 a2 demog
0 S1A1 1,2,3 4,6 A
1 S1A2 101,1 NaN B
这会创建一个浮点列表,然后是 numpy 数组并返回均值和标准差
In [271]: def split_stat(x):
.....: x = pd.np.array(list(map(float, str(x).split(','))))
.....: return x.mean(), x.std()
.....:
然后您可以迭代感兴趣的列,在本例中为 a1、a2,然后将结果压缩回新列。
In [272]: for col in ['a1', 'a2']:
.....: df[col+'_mean'], df[col+'_std'] = zip(*df[col].apply(split_stat))
.....:
而且,输出应该是这样的
In [273]: df
Out[273]:
SubjAns a1 a2 demog a1_mean a1_std a2_mean a2_std
0 S1A1 1,2,3 4,6 A 2 0.816497 5 1
1 S1A2 101,1 NaN B 51 50.000000 NaN NaN
关于python - Pandas:将 DataFrame 转换为每个单元格的均值和标准差,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31776014/