如何获得整个数据框而不是列的平均值？

Question

如何获得 pandas 数据框中所有值（NaN 除外）的平均值？

pd.DataFrame.mean() 仅给出每列（或行，设置axis=1 时）的平均值，但我想要整个事物的平均值。而df.mean().mean() 并不是最明智的选择（见下文）。

请注意，在我的具体真实案例中，数据框具有很大的多索引，这也使事情变得复杂。对于这无关紧要的情况，可以认为@EdChum 的答案更直接，在某些情况下这可能比更快的解决方案更可取。

示例代码

data1 = np.arange(16).reshape(4, 4)
df = pd.DataFrame(data=data1)

df.mean()
0    9.0
1    7.0
2    8.0
3    9.0
dtype: float64

df.mean().mean()
7.5

np.arange(16).mean()
7.5

有效，但如果我屏蔽了 df 的某些部分（实际上，它是数百行/列的相关矩阵，其本身的一半填充了冗余数据），它会变得有趣：

triang = np.triu_indices(4)
data2 = np.arange(4.,20.).reshape(4, 4)
data2[triang]=np.nan
df2 = pd.DataFrame(data=data2)

df2.mean().mean()
15.0

但是(8. + 12. + 13. + 16. + 17. + 18.)/6 是14.

我怎样才能最好地获得“真实”的意思，除了手动编写某种循环来完成上述操作？

Answer 1

您可以stack，然后dropna，然后再拨打mean：

In[201]:
df2.stack().dropna().mean()

Out[201]: 14.0

因此这会将 df 转换为单个列 Series，然后您可以调用 dropna 删除 NaN 行，现在 mean 将正确计算 mean。

Answer 2

你可以使用numpy.nanmean:

triang = np.triu_indices(4)
data2 = np.arange(4.,20.).reshape(4, 4)
data2[triang]=np.nan
df2 = pd.DataFrame(data=data2)

res = np.nanmean(df2)  # 14.0

也可以通过stack，如@EdChum 所述，但速度较慢：

df2 = pd.concat([df2]*100000)

%timeit np.nanmean(df2)              # 14.0ms
%timeit df2.stack().dropna().mean()  # 55.7ms

如果您的数据只是数字，您还可以完全消除 Pandas 开销。