多个数据帧的均值和标准差答案

【问题标题】：Mean and standard deviation with multiple dataframes多个数据帧的均值和标准差
【发布时间】：2021-08-07 13:26:17
【问题描述】：

我有多个数据框具有相同的列和相同数量的观察：例如

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)

我需要在每个数据框中删除一列 (D) 及其对应的值，然后针对每个变量计算平均值和标准差。预期的输出应该是

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

通常，对于一个数据帧，我会使用删除列，然后我会使用 mean() 和标准差 std() 计算平均值。
如何使用多个数据帧以简单快捷的方式做到这一点？（我至少有 10 个）。

【问题讨论】：

标签： python pandas

【解决方案1】：

将concat 与DataFrame.query 中的D 结合使用，并由GroupBy.agg 聚合并命名聚合：

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DataFrame.drop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'))

【讨论】：

@LdM - 最简单的是 .drop(['D', 'A', 'C']) 用于删除 A, C, D 行

【解决方案2】：

您也可以使用 pivot_table：

import numpy as np

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

【讨论】：