计算每行的标准偏差和列的平均值，不包括计算平均值的行

Question

我需要计算DataFrame中某一列的平均值和标准差，以便计算每行的平均值与标准差，不包括计算行的值。

我知道我可以按索引对每一行进行迭代，在每次迭代中按索引删除每一行，然后计算平均值。我想知道是否有更有效的方法。

df=pd.DataFrame({'marks':[10,20,30,10]})

我有一个解决方案，它只在没有元素重复的情况下有效，但在我的数据中，我们有10个重复两次，所以我的方法不起作用。

方法：

data['marks'].apply(lambda x: data.loc[data.marks!= x, 'marks'].mean())
data['marks'].apply(lambda x: np.std(data.loc[data.marks!= x, 'marks']))

有人能帮我做这个吗？

Answer 1

平均值是所有值的总和除以元素数量，因此为了排除考虑自己行的值，我们可以尝试：

def mean_except_self(s):
'''
calculate mean of the series except the value of each row
'''
if len(s) <= 1: return np.nan
return (s.sum() - s) / (len(s) - 1)
data['new_average'] = mean_except_self(data['marks'])
data['new_std'] = mean_except_self(data['marks']**2) - data['new_average']**2