我已将数据加载到数据框中,该数据框中的列标题具有多索引。目前,我一直在按列索引对数据进行分组,以获取组的平均值并计算 95% 的置信区间,如下所示:
from pandas import *
import pandas as pd
from scipy import stats as st
#Normalize to starting point then convert
normalized = (data - data.ix[0]) * 11.11111
#Group normalized data based on slope and orientation
grouped = normalized.groupby(level=['SLOPE','DEPTH'], axis=1)
#Obtain mean of each group
means = grouped.mean()
#Calculate 95% confidence interval for each group
ci = grouped.aggregate(lambda x: st.sem(x) * 1.96)
但问题在于,在组上使用的 mean 函数会忽略 NaN 值,而如果组中有 NaN,则 scipy 函数 st.sem 会返回 NaN。我需要计算标准误差,同时像均值函数那样忽略 NaN。
我试过像这样计算 95% 的置信区间:
#Calculate 95% confidence interval for each group
ci = grouped.aggregate(lambda x: np.std(x) / ??? * 1.96)
numpy 中的 std 会给我忽略 NaN 值的标准偏差,但我需要将其除以忽略 NaN 的组大小的平方根以获得标准误差。
在忽略 NaN 的情况下计算标准误差的最简单方法是什么?
最佳答案
Series
对象的
count()
方法将不返回 NaN 值计数:
import pandas as pd
s = pd.Series([1,2,np.nan, 3])
print s.count()
输出:
3
那么,试试:
ci = grouped.aggregate(lambda x: np.std(x) / x.count() * 1.96)
关于python - pandas groupby 组中忽略 NaN 的标准错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18039923/