Python Blaze 计算多列的平均值

Question

我有一个像这样的python blaze数据

import blaze as bz
bdata = bz.Data([(1, 'Alice', 100.9, 100),
           (2, 'Bob', 200.6, 200),
           (3, 'Charlie', 300.45, 300),
           (5, 'Edith', 400, 400)],
          fields=['id', 'name', 'revenue', 'profit'])

我想计算数字列的平均值。我尝试过这样的事情

print {col: bdata[col].mean() for col in ['revenue', 'profit']}

我得到

{'profit': 250.0, 'revenue': 250.4875}

但我想像在pandas一样一次性计算，就像data.mean()

有什么想法或建议吗???

Answer 1

熊猫聚合有点神奇，我认为如果没有某种逻辑，您将无法跳过非数字列。

如果可以选择添加虚拟列，则可以使用 by 对整个表执行聚合。

那看起来像这样：

bdata = bz.Data([('fnord', 1, 'Alice', 100.9, 100),
           ('fnord', 2, 'Bob', 200.6, 200),
           ('fnord', 3, 'Charlie', 300.45, 300),
           ('fnord', 5, 'Edith', 400, 400)],
          fields=['dummy', 'id', 'name', 'revenue', 'profit'])
bz.by(bdata.dummy, avg_profit=bdata.profit.mean(), avg_revenue=bdata.revenue.mean())
   dummy  avg_profit  avg_revenue
0  fnord         250     250.4875

虽然这也不是特别简洁，并且需要修改您的数据。

您可以使用odo快速访问简洁的 Pandas 语法：

from odo import odo
import Pandas as pd
odo(bdata, pd.DataFrame).mean()

Answer 2

我认为使用summary减少可能会有更好的运气：

from blaze import *
resume = summary(bdata,avg_profit=bdata.profit.mean(), avg_revenue=bdata.revenue.mean())
SummaryStats = pd.DataFrame(pd.Series(dict( (k,v) for k,v in zip(resume.fields,compute(resume)) ))).T

如果您不关心结果是pd.DataFrame，最后一行可以减少到 compute(resume) .