【问题标题】:How to apply a function by group?如何按组应用功能?
【发布时间】:2020-08-23 01:32:59
【问题描述】:

我来自另一个topic,讨论开始于该topic。假设我有这个来自心理学研究的 pandas 数据框,其中我有一个因子变量(国家),以及来自李克特量表的一些项目。

import pandas as pd
import numpy as np
import pingouin as pg
from numpy import nan

sim_data = pd.DataFrame.from_dict({'country': {33003: 'Vietnam',
  12172: 'Macedonia',
  5192: 'Ghana',
  32511: 'Vietnam',
  7813: 'Ghana',
  21440: 'Armenia',
  32912: 'Vietnam',
  20609: 'Georgia',
  7751: 'Ghana',
  31228: 'Laos',
  36230: 'Serbia',
  32025: 'Laos',
  21758: 'Armenia',
  35730: 'Serbia',
  8444: 'Kenya',
  19946: 'Georgia',
  37532: 'Serbia',
  22926: 'Armenia',
  27204: 'Sri_Lanka',
  31959: 'Laos',
  24535: 'Sri_Lanka',
  19433: 'Georgia',
  17137: 'Ukraine',
  26103: 'Sri_Lanka',
  33878: 'Vietnam',
  39053: 'Philippines',
  33799: 'Vietnam',
  37183: 'Serbia',
  3606: 'Colombia',
  2561: 'Colombia',
  29960: 'Laos',
  32397: 'Vietnam',
  39539: 'Philippines',
  431: 'Bolivia',
  36842: 'Serbia',
  16926: 'Ukraine',
  9287: 'Kenya',
  34246: 'Vietnam',
  16277: 'Ukraine',
  34105: 'Vietnam',
  11032: 'Kenya',
  41457: 'Philippines',
  34380: 'Vietnam',
  19482: 'Georgia',
  1844: 'Bolivia',
  9552: 'Kenya',
  35437: 'Vietnam',
  29555: 'Laos',
  29993: 'Laos',
  28114: 'Yunnan',
  15: 'Bolivia',
  27712: 'Yunnan',
  12313: 'Macedonia',
  11631: 'Kenya'},
 'step_bfi1_ab_cor': {33003: 1.8333332538604736,
  12172: 1.5,
  5192: nan,
  32511: 1.4166666269302368,
  7813: nan,
  21440: 2.4166665077209473,
  32912: 1.0,
  20609: 4.0,
  7751: 0.5,
  31228: 2.25,
  36230: 2.9375,
  32025: 1.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 3.5833334922790527,
  19946: 2.3333334922790527,
  37532: 4.0625,
  22926: 3.5,
  27204: 4.083333492279053,
  31959: 3.0,
  24535: 3.5,
  19433: 2.0833334922790527,
  17137: 3.25,
  26103: 1.1666666269302368,
  33878: 1.6666667461395264,
  39053: 1.75,
  33799: 0.75,
  37183: 3.375,
  3606: 4.25,
  2561: 2.8333334922790527,
  29960: 4.25,
  32397: 3.8333332538604736,
  39539: 2.5625,
  431: 3.25,
  36842: 3.8125,
  16926: 1.9166667461395264,
  9287: 2.3333334922790527,
  34246: 1.0,
  16277: 2.9166667461395264,
  34105: 1.5833333730697632,
  11032: 1.75,
  41457: 3.75,
  34380: 1.5833332538604736,
  19482: 0.9166666269302368,
  1844: 3.6666667461395264,
  9552: 2.25,
  35437: 1.0833332538604736,
  29555: 2.25,
  29993: 4.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 3.25,
  12313: 2.0833334922790527,
  11631: 2.5833334922790527},
 'step_bfi3_ab_cor': {33003: 3.8333332538604736,
  12172: 3.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 3.4166665077209473,
  32912: 3.0,
  20609: 4.0,
  7751: 2.5,
  31228: 4.25,
  36230: 3.6875,
  32025: 3.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 4.583333492279053,
  19946: 2.3333334922790527,
  37532: 2.5625,
  22926: 2.5,
  27204: 3.0833334922790527,
  31959: 4.0,
  24535: 2.5,
  19433: 3.0833334922790527,
  17137: 3.25,
  26103: 3.1666665077209473,
  33878: 3.6666667461395264,
  39053: 2.5,
  33799: 3.75,
  37183: 3.375,
  3606: 4.25,
  2561: 2.8333334922790527,
  29960: 3.25,
  32397: 2.8333332538604736,
  39539: 2.5625,
  431: 3.25,
  36842: 3.0625,
  16926: 3.9166667461395264,
  9287: 3.3333334922790527,
  34246: 4.0,
  16277: 1.9166667461395264,
  34105: 3.5833334922790527,
  11032: 3.75,
  41457: 2.25,
  34380: 2.5833332538604736,
  19482: 3.9166665077209473,
  1844: 2.6666667461395264,
  9552: 3.25,
  35437: 3.0833332538604736,
  29555: 2.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 2.25,
  12313: 4.083333492279053,
  11631: 3.5833334922790527},
 'step_bfi5_ab_cor': {33003: 0.8333332538604736,
  12172: 0.5,
  5192: nan,
  32511: 2.4166665077209473,
  7813: nan,
  21440: 2.4166665077209473,
  32912: 2.0,
  20609: 2.0,
  7751: 0.5,
  31228: 3.25,
  36230: 3.6875,
  32025: 1.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 1.5833333730697632,
  19946: 1.3333333730697632,
  37532: 1.8125,
  22926: 1.5,
  27204: 2.0833334922790527,
  31959: 3.0,
  24535: 1.5,
  19433: 1.0833333730697632,
  17137: 2.25,
  26103: 4.166666507720947,
  33878: 1.6666667461395264,
  39053: 1.75,
  33799: 1.75,
  37183: 3.375,
  3606: 2.25,
  2561: 1.8333333730697632,
  29960: 3.25,
  32397: 1.8333332538604736,
  39539: 2.5625,
  431: 1.25,
  36842: 3.8125,
  16926: 1.9166667461395264,
  9287: 1.3333333730697632,
  34246: 3.0,
  16277: 1.9166667461395264,
  34105: 1.5833333730697632,
  11032: 2.75,
  41457: 2.25,
  34380: 2.5833332538604736,
  19482: 1.9166666269302368,
  1844: 3.6666667461395264,
  9552: 1.25,
  35437: 1.0833332538604736,
  29555: 1.25,
  29993: 3.25,
  28114: 2.6666665077209473,
  15: 2.0,
  27712: 3.25,
  12313: 1.0833333730697632,
  11631: 3.5833334922790527},
 'step_bfi6_ab_cor': {33003: 4.1666669845581055,
  12172: 1.5,
  5192: nan,
  32511: 1.5833333730697632,
  7813: nan,
  21440: 2.5833334922790527,
  32912: 4.0,
  20609: 3.0,
  7751: 1.5,
  31228: 2.75,
  36230: 2.8125,
  32025: 4.125,
  21758: 4.083333492279053,
  35730: 1.25,
  8444: 3.4166665077209473,
  19946: 2.6666665077209473,
  37532: 3.9375,
  22926: 2.5,
  27204: 2.9166665077209473,
  31959: 2.0,
  24535: 2.5,
  19433: 2.9166665077209473,
  17137: 2.75,
  26103: 0.8333333730697632,
  33878: 4.3333330154418945,
  39053: 2.5,
  33799: 4.25,
  37183: 3.125,
  3606: 2.75,
  2561: 3.1666665077209473,
  29960: 3.75,
  32397: 1.1666667461395264,
  39539: 3.9375,
  431: 1.75,
  36842: 2.6875,
  16926: 2.0833332538604736,
  9287: 2.6666665077209473,
  34246: 3.0,
  16277: 2.0833332538604736,
  34105: 2.4166665077209473,
  11032: 3.25,
  41457: 4.25,
  34380: 2.4166667461395264,
  19482: 4.083333492279053,
  1844: 3.3333332538604736,
  9552: 2.75,
  35437: 2.9166667461395264,
  29555: 1.75,
  29993: 2.75,
  28114: 3.3333334922790527,
  15: 2.0,
  27712: 1.75,
  12313: 2.9166665077209473,
  11631: 3.4166665077209473},
 'step_bfi7_ab_cor': {33003: 1.8333332538604736,
  12172: 1.5,
  5192: nan,
  32511: 1.4166666269302368,
  7813: nan,
  21440: 2.4166665077209473,
  32912: 3.0,
  20609: 2.0,
  7751: 1.5,
  31228: 3.25,
  36230: 3.6875,
  32025: 1.875,
  21758: 3.9166665077209473,
  35730: 3.75,
  8444: 2.5833334922790527,
  19946: 1.3333333730697632,
  37532: 4.0625,
  22926: 2.5,
  27204: 3.0833334922790527,
  31959: 1.0,
  24535: 1.5,
  19433: 2.0833334922790527,
  17137: 2.25,
  26103: 2.1666665077209473,
  33878: 2.6666667461395264,
  39053: 3.25,
  33799: 0.75,
  37183: 3.375,
  3606: 2.25,
  2561: 1.8333333730697632,
  29960: 2.25,
  32397: 3.8333332538604736,
  39539: 4.0625,
  431: 3.25,
  36842: 3.8125,
  16926: 1.9166667461395264,
  9287: 2.3333334922790527,
  34246: 2.0,
  16277: 2.9166667461395264,
  34105: 1.5833333730697632,
  11032: 1.75,
  41457: 3.75,
  34380: 2.5833332538604736,
  19482: 2.9166665077209473,
  1844: 1.6666667461395264,
  9552: 2.25,
  35437: 2.0833332538604736,
  29555: 2.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 1.25,
  12313: 4.083333492279053,
  11631: 3.5833334922790527},
 'step_bfi10_ab_cor': {33003: 3.8333332538604736,
  12172: 3.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 3.4166665077209473,
  32912: 3.0,
  20609: 4.0,
  7751: 3.5,
  31228: 3.25,
  36230: 3.6875,
  32025: 1.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 2.5833334922790527,
  19946: 4.333333492279053,
  37532: 2.5625,
  22926: 2.5,
  27204: 4.083333492279053,
  31959: 2.0,
  24535: 0.4999999403953552,
  19433: 3.0833334922790527,
  17137: 3.25,
  26103: 3.1666665077209473,
  33878: 2.6666667461395264,
  39053: 3.25,
  33799: 1.75,
  37183: 3.375,
  3606: 2.25,
  2561: 2.8333334922790527,
  29960: 2.25,
  32397: 1.8333332538604736,
  39539: 4.0625,
  431: 3.25,
  36842: 3.0625,
  16926: 3.9166667461395264,
  9287: 2.3333334922790527,
  34246: 4.0,
  16277: 2.9166667461395264,
  34105: 2.5833334922790527,
  11032: 3.75,
  41457: 2.25,
  34380: 3.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 3.25,
  35437: 3.0833332538604736,
  29555: 2.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 3.25,
  12313: 2.0833334922790527,
  11631: 4.583333492279053},
 'step_bfi17_ab_cor': {33003: 2.8333332538604736,
  12172: 1.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 1.4166666269302368,
  32912: 2.0,
  20609: 1.0,
  7751: 3.5,
  31228: 3.25,
  36230: 2.1875,
  32025: nan,
  21758: 3.9166665077209473,
  35730: 3.75,
  8444: 3.5833334922790527,
  19946: 2.3333334922790527,
  37532: 2.5625,
  22926: 2.5,
  27204: 3.0833334922790527,
  31959: 3.0,
  24535: 2.5,
  19433: 4.083333492279053,
  17137: 2.25,
  26103: 2.1666665077209473,
  33878: 2.6666667461395264,
  39053: 1.75,
  33799: 2.75,
  37183: 3.375,
  3606: 4.25,
  2561: 0.8333333730697632,
  29960: 3.25,
  32397: 1.8333332538604736,
  39539: 2.5625,
  431: 1.25,
  36842: 2.3125,
  16926: 2.9166667461395264,
  9287: 3.3333334922790527,
  34246: 2.0,
  16277: 2.9166667461395264,
  34105: 3.5833334922790527,
  11032: 2.75,
  41457: 3.75,
  34380: 2.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 3.25,
  35437: 2.0833332538604736,
  29555: 2.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 2.25,
  12313: 3.0833334922790527,
  11631: 3.5833334922790527},
 'step_bfi19_ab_cor': {33003: 3.1666667461395264,
  12172: 1.5,
  5192: nan,
  32511: 1.5833333730697632,
  7813: nan,
  21440: 2.5833334922790527,
  32912: 2.0,
  20609: 1.0,
  7751: 1.5,
  31228: 2.75,
  36230: 2.0625,
  32025: 2.125,
  21758: 1.0833333730697632,
  35730: 4.25,
  8444: 3.4166665077209473,
  19946: 3.6666665077209473,
  37532: 0.9375,
  22926: 2.5,
  27204: 2.9166665077209473,
  31959: 3.0,
  24535: 1.5,
  19433: 2.9166665077209473,
  17137: 2.75,
  26103: 1.8333333730697632,
  33878: 3.3333332538604736,
  39053: 3.25,
  33799: 3.25,
  37183: 3.125,
  3606: 2.75,
  2561: 3.1666665077209473,
  29960: 1.75,
  32397: 3.1666667461395264,
  39539: 2.4375,
  431: 1.75,
  36842: 2.6875,
  16926: 3.0833332538604736,
  9287: 4.666666507720947,
  34246: 3.0,
  16277: 2.0833332538604736,
  34105: 3.4166665077209473,
  11032: 3.25,
  41457: 2.75,
  34380: 2.4166667461395264,
  19482: 3.0833334922790527,
  1844: 4.3333330154418945,
  9552: 2.75,
  35437: 2.9166667461395264,
  29555: 1.75,
  29993: 1.75,
  28114: 3.3333334922790527,
  15: 2.0,
  27712: 2.75,
  12313: 0.9166666269302368,
  11631: 2.4166665077209473},
 'step_bfi23_ab_cor': {33003: 1.1666667461395264,
  12172: 3.5,
  5192: nan,
  32511: 4.583333492279053,
  7813: nan,
  21440: 3.5833334922790527,
  32912: 2.0,
  20609: 4.0,
  7751: 4.5,
  31228: 2.75,
  36230: 3.5625,
  32025: nan,
  21758: 4.083333492279053,
  35730: 4.25,
  8444: 3.4166665077209473,
  19946: 3.6666665077209473,
  37532: 3.9375,
  22926: 3.5,
  27204: 2.9166665077209473,
  31959: 3.0,
  24535: 2.5,
  19433: 2.9166665077209473,
  17137: 2.75,
  26103: 3.8333334922790527,
  33878: 1.3333332538604736,
  39053: 1.75,
  33799: 2.25,
  37183: 4.625,
  3606: 2.75,
  2561: 3.1666665077209473,
  29960: 2.75,
  32397: 3.1666667461395264,
  39539: 2.4375,
  431: 3.75,
  36842: 3.4375,
  16926: 3.0833332538604736,
  9287: 1.6666666269302368,
  34246: 3.0,
  16277: 3.0833332538604736,
  34105: 1.4166666269302368,
  11032: 4.25,
  41457: 2.75,
  34380: 2.4166667461395264,
  19482: 4.083333492279053,
  1844: 3.3333332538604736,
  9552: 3.75,
  35437: 1.9166667461395264,
  29555: 2.75,
  29993: 2.75,
  28114: 3.3333334922790527,
  15: 4.0,
  27712: 2.75,
  12313: 2.9166665077209473,
  11631: 3.4166665077209473},
 'step_bfi30_ab_cor': {33003: 1.8333332538604736,
  12172: 3.5,
  5192: nan,
  32511: 2.4166665077209473,
  7813: nan,
  21440: 3.4166665077209473,
  32912: 4.0,
  20609: 4.0,
  7751: 3.5,
  31228: 3.25,
  36230: 3.6875,
  32025: 1.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 2.5833334922790527,
  19946: 4.333333492279053,
  37532: 4.0625,
  22926: 3.5,
  27204: 4.083333492279053,
  31959: 4.0,
  24535: 3.5,
  19433: 4.083333492279053,
  17137: 3.25,
  26103: 3.1666665077209473,
  33878: 3.6666667461395264,
  39053: 1.0,
  33799: 0.75,
  37183: 3.375,
  3606: 4.25,
  2561: 2.8333334922790527,
  29960: 3.25,
  32397: 2.8333332538604736,
  39539: 4.0625,
  431: 3.25,
  36842: 3.8125,
  16926: 2.9166667461395264,
  9287: 2.3333334922790527,
  34246: 3.0,
  16277: 2.9166667461395264,
  34105: 2.5833334922790527,
  11032: 3.75,
  41457: 3.75,
  34380: 3.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 2.25,
  35437: 3.0833332538604736,
  29555: 2.25,
  29993: 3.25,
  28114: 3.6666665077209473,
  15: 1.0,
  27712: 3.25,
  12313: 4.083333492279053,
  11631: 4.583333492279053},
 'step_bfi32_ab_cor': {33003: 3.8333332538604736,
  12172: 1.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 3.4166665077209473,
  32912: 4.0,
  20609: 4.0,
  7751: 3.5,
  31228: 3.25,
  36230: 2.9375,
  32025: 2.875,
  21758: 3.9166665077209473,
  35730: 2.25,
  8444: 3.5833334922790527,
  19946: 4.333333492279053,
  37532: 3.3125,
  22926: 3.5,
  27204: 4.083333492279053,
  31959: 3.0,
  24535: 2.5,
  19433: 4.083333492279053,
  17137: 3.25,
  26103: 3.1666665077209473,
  33878: 3.6666667461395264,
  39053: 1.75,
  33799: 3.75,
  37183: 1.875,
  3606: 4.25,
  2561: 2.8333334922790527,
  29960: 3.25,
  32397: 2.8333332538604736,
  39539: 2.5625,
  431: 3.25,
  36842: 3.0625,
  16926: 2.9166667461395264,
  9287: 2.3333334922790527,
  34246: 4.0,
  16277: 2.9166667461395264,
  34105: 3.5833334922790527,
  11032: 3.75,
  41457: 2.25,
  34380: 2.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 3.25,
  35437: 3.0833332538604736,
  29555: 3.25,
  29993: 3.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 2.25,
  12313: 3.0833334922790527,
  11631: 3.5833334922790527},
 'step_bfi33_ab_cor': {33003: 1.8333332538604736,
  12172: 3.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 2.4166665077209473,
  32912: 4.0,
  20609: 2.0,
  7751: 3.5,
  31228: 3.25,
  36230: 2.9375,
  32025: 3.875,
  21758: 3.9166665077209473,
  35730: 3.75,
  8444: 3.5833334922790527,
  19946: 4.333333492279053,
  37532: 4.0625,
  22926: 2.5,
  27204: 3.0833334922790527,
  31959: 2.0,
  24535: 1.5,
  19433: 2.0833334922790527,
  17137: 1.25,
  26103: 3.1666665077209473,
  33878: 3.6666667461395264,
  39053: 2.5,
  33799: 3.75,
  37183: 3.375,
  3606: 2.25,
  2561: 2.8333334922790527,
  29960: 3.25,
  32397: 2.8333332538604736,
  39539: 3.3125,
  431: 2.25,
  36842: 3.0625,
  16926: 2.9166667461395264,
  9287: 3.3333334922790527,
  34246: 3.0,
  16277: 2.9166667461395264,
  34105: 3.5833334922790527,
  11032: 3.75,
  41457: 3.75,
  34380: 3.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 2.25,
  35437: 3.0833332538604736,
  29555: 3.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 1.25,
  12313: 3.0833334922790527,
  11631: 3.5833334922790527},
 'step_bfi34_ab_cor': {33003: 3.8333332538604736,
  12172: 1.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 3.4166665077209473,
  32912: 3.0,
  20609: 1.0,
  7751: 3.5,
  31228: 2.25,
  36230: 2.9375,
  32025: nan,
  21758: 3.9166665077209473,
  35730: 3.75,
  8444: 2.5833334922790527,
  19946: 3.3333334922790527,
  37532: 2.5625,
  22926: 2.5,
  27204: 2.0833334922790527,
  31959: 2.0,
  24535: 1.5,
  19433: 3.0833334922790527,
  17137: 3.25,
  26103: 2.1666665077209473,
  33878: 2.6666667461395264,
  39053: 2.5,
  33799: 3.75,
  37183: 3.375,
  3606: 1.25,
  2561: 3.8333334922790527,
  29960: 2.25,
  32397: 1.8333332538604736,
  39539: 2.5625,
  431: 2.25,
  36842: 2.3125,
  16926: 2.9166667461395264,
  9287: 3.3333334922790527,
  34246: 4.0,
  16277: 2.9166667461395264,
  34105: 1.5833333730697632,
  11032: 3.75,
  41457: 2.25,
  34380: 1.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 3.25,
  35437: 3.0833332538604736,
  29555: 2.25,
  29993: 2.25,
  28114: 2.6666665077209473,
  15: 3.0,
  27712: 2.25,
  12313: 1.0833333730697632,
  11631: 2.5833334922790527},
 'step_bfi36_ab_cor': {33003: 2.8333332538604736,
  12172: 3.5,
  5192: nan,
  32511: 3.4166665077209473,
  7813: nan,
  21440: 2.4166665077209473,
  32912: 3.0,
  20609: 4.0,
  7751: 2.5,
  31228: 3.25,
  36230: 3.6875,
  32025: 1.875,
  21758: 1.9166666269302368,
  35730: 2.25,
  8444: 3.5833334922790527,
  19946: 4.333333492279053,
  37532: 3.3125,
  22926: 3.5,
  27204: 3.0833334922790527,
  31959: 3.0,
  24535: 2.5,
  19433: 4.083333492279053,
  17137: 2.25,
  26103: 2.1666665077209473,
  33878: 3.6666667461395264,
  39053: 3.25,
  33799: 3.75,
  37183: 3.375,
  3606: 4.25,
  2561: 2.8333334922790527,
  29960: 3.25,
  32397: 1.8333332538604736,
  39539: 2.5625,
  431: 2.25,
  36842: 3.0625,
  16926: 1.9166667461395264,
  9287: 0.3333333730697632,
  34246: 2.0,
  16277: 2.9166667461395264,
  34105: 3.5833334922790527,
  11032: 3.75,
  41457: 3.75,
  34380: 3.5833332538604736,
  19482: 3.9166665077209473,
  1844: 3.6666667461395264,
  9552: 3.25,
  35437: 3.0833332538604736,
  29555: 1.25,
  29993: 2.25,
  28114: 3.6666665077209473,
  15: 3.0,
  27712: 3.25,
  12313: 4.083333492279053,
  11631: 3.5833334922790527},
 'step_bfi39_ab_cor': {33003: 4.1666669845581055,
  12172: 3.5,
  5192: nan,
  32511: 4.583333492279053,
  7813: nan,
  21440: 2.5833334922790527,
  32912: 3.0,
  20609: 1.0,
  7751: 2.5,
  31228: 3.75,
  36230: 4.3125,
  32025: 1.125,
  21758: 4.083333492279053,
  35730: 2.75,
  8444: 3.4166665077209473,
  19946: 3.6666665077209473,
  37532: 2.4375,
  22926: 2.5,
  27204: 2.9166665077209473,
  31959: 3.0,
  24535: 1.5,
  19433: 2.9166665077209473,
  17137: 2.75,
  26103: 2.8333334922790527,
  33878: 3.3333332538604736,
  39053: 3.25,
  33799: 3.25,
  37183: 1.625,
  3606: 3.75,
  2561: 3.1666665077209473,
  29960: 3.75,
  32397: 3.1666667461395264,
  39539: 0.9375,
  431: 2.75,
  36842: 2.6875,
  16926: 3.0833332538604736,
  9287: 2.6666665077209473,
  34246: 3.0,
  16277: 4.0833330154418945,
  34105: 4.416666507720947,
  11032: 2.25,
  41457: 1.25,
  34380: 2.4166667461395264,
  19482: 1.0833333730697632,
  1844: 3.3333332538604736,
  9552: 1.75,
  35437: 3.9166667461395264,
  29555: 2.75,
  29993: 2.75,
  28114: 3.3333334922790527,
  15: 4.0,
  27712: 2.75,
  12313: 2.9166665077209473,
  11631: 2.4166665077209473}})

我定义了一个函数来执行 Cronbach 的 Alpha 分析,代码如下:

def cronbach_alpha(df):
    # 1. Transform the df into a correlation matrix
    df_corr = df.corr()
    
    # 2.1 Calculate N
    # The number of variables equals the number of columns in the df
    N = df.shape[1]
    
    # 2.2 Calculate R
    # For this, we'll loop through the columns and append every
    # relevant correlation to an array calles "r_s". Then, we'll
    # calculate the mean of "r_s"
    rs = np.array([])
    for i, col in enumerate(df_corr.columns):
        sum_ = df_corr[col][i+1:].values
        rs = np.append(sum_, rs)
    mean_r = np.mean(rs)
    
   # 3. Use the formula to calculate Cronbach's Alpha 
    cronbach_alpha = (N * mean_r) / (1 + (N - 1) * mean_r)
    return cronbach_alpha

现在我很高兴我可以在此处使用此命令从我的项目中获取 Cronbach 的 alpha:

cronbach_alpha(sim_data.drop("country",1))

但是,我希望获得所有国家/地区的 Cronbach's alpha。我想要的结果类似于 R

的结果

如您所见,它对所有项目(来自该数据集的 15 个项目)运行 Cronbach Alpha,但所有分析均按每个国家/地区分组。我很确定它可以用 Python 完成,user 开始帮助我。

【问题讨论】:

    标签: python pandas pandas-groupby


    【解决方案1】:
    • 使用pandas.DataFrame.groupby.apply 函数。
    • GhanaNan,因为该国家/地区的数据框中只有 1 行有效数据。
    • 函数cronbach_alpha仅在提供国家数据框时为该国家返回1个值。
    cron = df.groupby('country', as_index=False).apply(cronbach_alpha).rename(columns={None: 'val'})
    
    # display(cron)
            country       val
    0       Armenia  0.918237
    1       Bolivia  0.751889
    2      Colombia -0.800000
    3       Georgia  0.238676
    4         Ghana       NaN
    5         Kenya  0.746892
    6          Laos  0.752618
    7     Macedonia -0.800000
    8   Philippines  0.569964
    9        Serbia -0.675291
    10    Sri_Lanka  0.916891
    11      Ukraine -4.929153
    12      Vietnam -0.668921
    13       Yunnan  0.977778
    

    获取每个国家/地区的描述性统计数据

    df.groupby('country').describe()
    
    [out]:
                step_bfi1_ab_cor                                                                       step_bfi3_ab_cor                                                                       step_bfi5_ab_cor                                                                       step_bfi6_ab_cor                                                                       step_bfi7_ab_cor                                                                       step_bfi10_ab_cor                                                                       step_bfi17_ab_cor                                                                       step_bfi19_ab_cor                                                                       step_bfi23_ab_cor                                                                       step_bfi30_ab_cor                                                                       step_bfi32_ab_cor                                                                       step_bfi33_ab_cor                                                                       step_bfi34_ab_cor                                                                       step_bfi36_ab_cor                                                                       step_bfi39_ab_cor                                                                      
                           count      mean       std       min       25%       50%       75%       max            count      mean       std       min       25%       50%       75%       max            count      mean       std       min       25%       50%       75%       max            count      mean       std       min       25%       50%       75%       max            count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max             count      mean       std       min       25%       50%       75%       max
    country                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       
    Armenia                  3.0  3.277778  0.774298  2.416667  2.958333  3.500000  3.708333  3.916667              3.0  3.277778  0.718473  2.500000  2.958333  3.416667  3.666667  3.916667              3.0  2.611111  1.220011  1.500000  1.958333  2.416667  3.166667  3.916667              3.0  3.055556  0.891056  2.500000  2.541667  2.583333  3.333333  4.083333              3.0  2.944444  0.842999  2.416667  2.458333  2.500000  3.208333  3.916667               3.0  3.277778  0.718473  2.500000  2.958333  3.416667  3.666667  3.916667               3.0  2.611111  1.253698  1.416667  1.958333  2.500000  3.208333  3.916667               3.0  2.055556  0.843000  1.083333  1.791667  2.500000  2.541667  2.583333               3.0  3.722222  0.315495  3.500000  3.541667  3.583333  3.833333  4.083333               3.0  3.611111  0.267879  3.416667  3.458333  3.500000  3.708333  3.916667               3.0  3.611111  0.267879  3.416667  3.458333  3.500000  3.708333  3.916667               3.0  2.944444  0.842999  2.416667  2.458333  2.500000  3.208333  3.916667               3.0  3.277778  0.718473  2.500000  2.958333  3.416667  3.666667  3.916667               3.0  2.611111  0.809378  1.916667  2.166667  2.416667  2.958333  3.500000               3.0  3.055556  0.891056  2.500000  2.541667  2.583333  3.333333  4.083333
    Bolivia                  3.0  3.305556  0.336788  3.000000  3.125000  3.250000  3.458333  3.666667              3.0  2.972222  0.292657  2.666667  2.833333  3.000000  3.125000  3.250000              3.0  2.305556  1.236969  1.250000  1.625000  2.000000  2.833333  3.666667              3.0  2.361111  0.851197  1.750000  1.875000  2.000000  2.666667  3.333333              3.0  2.638889  0.851197  1.666667  2.333333  3.000000  3.125000  3.250000               3.0  3.305556  0.336788  3.000000  3.125000  3.250000  3.458333  3.666667               3.0  2.638889  1.248147  1.250000  2.125000  3.000000  3.333333  3.666667               3.0  2.694444  1.424813  1.750000  1.875000  2.000000  3.166667  4.333333               3.0  3.694444  0.336788  3.333333  3.541667  3.750000  3.875000  4.000000               3.0  2.638889  1.434528  1.000000  2.125000  3.250000  3.458333  3.666667               3.0  3.305556  0.336788  3.000000  3.125000  3.250000  3.458333  3.666667               3.0  2.972222  0.708742  2.250000  2.625000  3.000000  3.333333  3.666667               3.0  2.972222  0.708742  2.250000  2.625000  3.000000  3.333333  3.666667               3.0  2.972222  0.708742  2.250000  2.625000  3.000000  3.333333  3.666667               3.0  3.361111  0.625463  2.750000  3.041667  3.333333  3.666667  4.000000
    Colombia                 2.0  3.541667  1.001734  2.833333  3.187500  3.541667  3.895833  4.250000              2.0  3.541667  1.001734  2.833333  3.187500  3.541667  3.895833  4.250000              2.0  2.041667  0.294628  1.833333  1.937500  2.041667  2.145833  2.250000              2.0  2.958333  0.294628  2.750000  2.854167  2.958333  3.062500  3.166667              2.0  2.041667  0.294628  1.833333  1.937500  2.041667  2.145833  2.250000               2.0  2.541667  0.412479  2.250000  2.395833  2.541667  2.687500  2.833333               2.0  2.541667  2.415948  0.833333  1.687500  2.541667  3.395833  4.250000               2.0  2.958333  0.294628  2.750000  2.854167  2.958333  3.062500  3.166667               2.0  2.958333  0.294628  2.750000  2.854167  2.958333  3.062500  3.166667               2.0  3.541667  1.001734  2.833333  3.187500  3.541667  3.895833  4.250000               2.0  3.541667  1.001734  2.833333  3.187500  3.541667  3.895833  4.250000               2.0  2.541667  0.412479  2.250000  2.395833  2.541667  2.687500  2.833333               2.0  2.541667  1.826693  1.250000  1.895833  2.541667  3.187500  3.833333               2.0  3.541667  1.001734  2.833333  3.187500  3.541667  3.895833  4.250000               2.0  3.458333  0.412479  3.166667  3.312500  3.458333  3.604167  3.750000
    Georgia                  4.0  2.333333  1.271118  0.916667  1.791667  2.208333  2.750000  4.000000              4.0  3.333333  0.784691  2.333333  2.895833  3.500000  3.937500  4.000000              4.0  1.583333  0.446177  1.083333  1.270833  1.625000  1.937500  2.000000              4.0  3.166667  0.627311  2.666667  2.854167  2.958333  3.270833  4.083333              4.0  2.083333  0.649073  1.333333  1.833333  2.041667  2.291667  2.916667               4.0  3.833333  0.531420  3.083333  3.708333  3.958333  4.083333  4.333333               4.0  2.833333  1.454559  1.000000  2.000000  3.125000  3.958333  4.083333               4.0  2.666667  1.156703  1.000000  2.437500  3.000000  3.229167  3.666667               4.0  3.666667  0.531420  2.916667  3.479167  3.833333  4.020833  4.083333               4.0  4.083333  0.180021  3.916667  3.979167  4.041667  4.145833  4.333333               4.0  4.083333  0.180021  3.916667  3.979167  4.041667  4.145833  4.333333               4.0  3.083333  1.215258  2.000000  2.062500  3.000000  4.020833  4.333333               4.0  2.833333  1.271118  1.000000  2.562500  3.208333  3.479167  3.916667               4.0  4.083333  0.180021  3.916667  3.979167  4.041667  4.145833  4.333333               4.0  2.166667  1.335068  1.000000  1.062500  2.000000  3.104167  3.666667
    Ghana                    1.0  0.500000       NaN  0.500000  0.500000  0.500000  0.500000  0.500000              1.0  2.500000       NaN  2.500000  2.500000  2.500000  2.500000  2.500000              1.0  0.500000       NaN  0.500000  0.500000  0.500000  0.500000  0.500000              1.0  1.500000       NaN  1.500000  1.500000  1.500000  1.500000  1.500000              1.0  1.500000       NaN  1.500000  1.500000  1.500000  1.500000  1.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  1.500000       NaN  1.500000  1.500000  1.500000  1.500000  1.500000               1.0  4.500000       NaN  4.500000  4.500000  4.500000  4.500000  4.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  3.500000       NaN  3.500000  3.500000  3.500000  3.500000  3.500000               1.0  2.500000       NaN  2.500000  2.500000  2.500000  2.500000  2.500000               1.0  2.500000       NaN  2.500000  2.500000  2.500000  2.500000  2.500000
    Kenya                    5.0  2.500000  0.677003  1.750000  2.250000  2.333333  2.583333  3.583333              5.0  3.700000  0.532291  3.250000  3.333333  3.583333  3.750000  4.583333              5.0  2.100000  1.024695  1.250000  1.333333  1.583333  2.750000  3.583333              5.0  3.100000  0.365148  2.666667  2.750000  3.250000  3.416667  3.416667              5.0  2.500000  0.677003  1.750000  2.250000  2.333333  2.583333  3.583333               5.0  3.300000  0.908295  2.333333  2.583333  3.250000  3.750000  4.583333               5.0  3.300000  0.341565  2.750000  3.250000  3.333333  3.583333  3.583333               5.0  3.300000  0.861201  2.416667  2.750000  3.250000  3.416667  4.666667               5.0  3.300000  0.974679  1.666667  3.416667  3.416667  3.750000  4.250000               5.0  3.100000  1.024695  2.250000  2.333333  2.583333  3.750000  4.583333               5.0  3.300000  0.570088  2.333333  3.250000  3.583333  3.583333  3.750000               5.0  3.300000  0.605530  2.250000  3.333333  3.583333  3.583333  3.750000               5.0  3.100000  0.508265  2.583333  2.583333  3.250000  3.333333  3.750000               5.0  2.900000  1.446260  0.333333  3.250000  3.583333  3.583333  3.750000               5.0  2.500000  0.612372  1.750000  2.250000  2.416667  2.666667  3.416667
    Laos                     6.0  2.979167  1.050050  1.875000  2.250000  2.625000  3.937500  4.250000              6.0  3.312500  0.886531  2.250000  2.500000  3.562500  3.968750  4.250000              6.0  2.645833  0.867528  1.250000  2.156250  3.125000  3.250000  3.250000              6.0  2.854167  0.936805  1.750000  2.187500  2.750000  3.500000  4.125000              6.0  2.145833  0.726364  1.000000  1.968750  2.250000  2.250000  3.250000               6.0  2.312500  0.485734  1.875000  2.062500  2.250000  2.250000  3.250000               5.0  2.800000  0.512348  2.250000  2.250000  3.000000  3.250000  3.250000               6.0  2.187500  0.557618  1.750000  1.750000  1.937500  2.593750  3.000000               5.0  2.800000  0.111803  2.750000  2.750000  2.750000  2.750000  3.000000               6.0  2.979167  0.776276  1.875000  2.500000  3.250000  3.250000  4.000000               6.0  3.145833  0.166145  2.875000  3.062500  3.250000  3.250000  3.250000               6.0  2.979167  0.708946  2.000000  2.500000  3.250000  3.250000  3.875000               5.0  2.200000  0.111803  2.000000  2.250000  2.250000  2.250000  2.250000               6.0  2.479167  0.823167  1.250000  1.968750  2.625000  3.187500  3.250000               6.0  2.854167  0.963122  1.125000  2.750000  2.875000  3.562500  3.750000
    Macedonia                2.0  1.791667  0.412479  1.500000  1.645833  1.791667  1.937500  2.083333              2.0  3.791667  0.412479  3.500000  3.645833  3.791667  3.937500  4.083333              2.0  0.791667  0.412479  0.500000  0.645833  0.791667  0.937500  1.083333              2.0  2.208333  1.001734  1.500000  1.854167  2.208333  2.562500  2.916667              2.0  2.791667  1.826693  1.500000  2.145833  2.791667  3.437500  4.083333               2.0  2.791667  1.001734  2.083333  2.437500  2.791667  3.145833  3.500000               2.0  2.291667  1.119586  1.500000  1.895833  2.291667  2.687500  3.083333               2.0  1.208333  0.412479  0.916667  1.062500  1.208333  1.354167  1.500000               2.0  3.208333  0.412479  2.916667  3.062500  3.208333  3.354167  3.500000               2.0  3.791667  0.412479  3.500000  3.645833  3.791667  3.937500  4.083333               2.0  2.291667  1.119586  1.500000  1.895833  2.291667  2.687500  3.083333               2.0  3.291667  0.294628  3.083333  3.187500  3.291667  3.395833  3.500000               2.0  1.291667  0.294628  1.083333  1.187500  1.291667  1.395833  1.500000               2.0  3.791667  0.412479  3.500000  3.645833  3.791667  3.937500  4.083333               2.0  3.208333  0.412479  2.916667  3.062500  3.208333  3.354167  3.500000
    Philippines              3.0  2.687500  1.005842  1.750000  2.156250  2.562500  3.156250  3.750000              3.0  2.437500  0.165359  2.250000  2.375000  2.500000  2.531250  2.562500              3.0  2.187500  0.409840  1.750000  2.000000  2.250000  2.406250  2.562500              3.0  3.562500  0.933324  2.500000  3.218750  3.937500  4.093750  4.250000              3.0  3.687500  0.409840  3.250000  3.500000  3.750000  3.906250  4.062500               3.0  3.187500  0.907865  2.250000  2.750000  3.250000  3.656250  4.062500               3.0  2.687500  1.005842  1.750000  2.156250  2.562500  3.156250  3.750000               3.0  2.812500  0.409840  2.437500  2.593750  2.750000  3.000000  3.250000               3.0  2.312500  0.511585  1.750000  2.093750  2.437500  2.593750  2.750000               3.0  2.937500  1.685184  1.000000  2.375000  3.750000  3.906250  4.062500               3.0  2.187500  0.409840  1.750000  2.000000  2.250000  2.406250  2.562500               3.0  3.187500  0.634306  2.500000  2.906250  3.312500  3.531250  3.750000               3.0  2.437500  0.165359  2.250000  2.375000  2.500000  2.531250  2.562500               3.0  3.187500  0.596212  2.562500  2.906250  3.250000  3.500000  3.750000               3.0  1.812500  1.254679  0.937500  1.093750  1.250000  2.250000  3.250000
    Serbia                   5.0  3.287500  0.721598  2.250000  2.937500  3.375000  3.812500  4.062500              5.0  2.987500  0.585302  2.250000  2.562500  3.062500  3.375000  3.687500              5.0  2.987500  0.900738  1.812500  2.250000  3.375000  3.687500  3.812500              5.0  2.762500  0.975681  1.250000  2.687500  2.812500  3.125000  3.937500              5.0  3.737500  0.247645  3.375000  3.687500  3.750000  3.812500  4.062500               5.0  2.987500  0.585302  2.250000  2.562500  3.062500  3.375000  3.687500               5.0  2.837500  0.688352  2.187500  2.312500  2.562500  3.375000  3.750000               5.0  2.612500  1.230631  0.937500  2.062500  2.687500  3.125000  4.250000               5.0  3.962500  0.489339  3.437500  3.562500  3.937500  4.250000  4.625000               5.0  3.437500  0.708487  2.250000  3.375000  3.687500  3.812500  4.062500               5.0  2.687500  0.601106  1.875000  2.250000  2.937500  3.062500  3.312500               5.0  3.437500  0.469791  2.937500  3.062500  3.375000  3.750000  4.062500               5.0  2.987500  0.585302  2.312500  2.562500  2.937500  3.375000  3.750000               5.0  3.137500  0.543786  2.250000  3.062500  3.312500  3.375000  3.687500               5.0  2.762500  0.975681  1.625000  2.437500  2.687500  2.750000  4.312500
    Sri_Lanka                3.0  2.916667  1.543355  1.166667  2.333333  3.500000  3.791667  4.083333              3.0  2.916667  0.363242  2.500000  2.791667  3.083333  3.125000  3.166667              3.0  2.583333  1.401884  1.500000  1.791667  2.083333  3.125000  4.166667              3.0  2.083333  1.102396  0.833333  1.666667  2.500000  2.708333  2.916667              3.0  2.250000  0.794949  1.500000  1.833333  2.166667  2.625000  3.083333               3.0  2.583333  1.861526  0.500000  1.833333  3.166667  3.625000  4.083333               3.0  2.583333  0.463981  2.166667  2.333333  2.500000  2.791667  3.083333               3.0  2.083333  0.740683  1.500000  1.666667  1.833333  2.375000  2.916667               3.0  3.083333  0.682113  2.500000  2.708333  2.916667  3.375000  3.833333               3.0  3.583333  0.463981  3.166667  3.333333  3.500000  3.791667  4.083333               3.0  3.250000  0.794949  2.500000  2.833333  3.166667  3.625000  4.083333               3.0  2.583333  0.939119  1.500000  2.291667  3.083333  3.125000  3.166667               3.0  1.916667  0.363242  1.500000  1.791667  2.083333  2.125000  2.166667               3.0  2.583333  0.463981  2.166667  2.333333  2.500000  2.791667  3.083333               3.0  2.416667  0.794949  1.500000  2.166667  2.833333  2.875000  2.916667
    Ukraine                  3.0  2.694444  0.693889  1.916667  2.416667  2.916667  3.083333  3.250000              3.0  3.027778  1.018350  1.916667  2.583333  3.250000  3.583333  3.916667              3.0  2.027778  0.192450  1.916667  1.916667  1.916667  2.083333  2.250000              3.0  2.305556  0.384900  2.083333  2.083333  2.083333  2.416667  2.750000              3.0  2.361111  0.509175  1.916667  2.083333  2.250000  2.583333  2.916667               3.0  3.361111  0.509175  2.916667  3.083333  3.250000  3.583333  3.916667               3.0  2.694444  0.384900  2.250000  2.583333  2.916667  2.916667  2.916667               3.0  2.638889  0.509175  2.083333  2.416667  2.750000  2.916667  3.083333               3.0  2.972222  0.192450  2.750000  2.916667  3.083333  3.083333  3.083333               3.0  3.027778  0.192450  2.916667  2.916667  2.916667  3.083333  3.250000               3.0  3.027778  0.192450  2.916667  2.916667  2.916667  3.083333  3.250000               3.0  2.361111  0.962250  1.250000  2.083333  2.916667  2.916667  2.916667               3.0  3.027778  0.192450  2.916667  2.916667  2.916667  3.083333  3.250000               3.0  2.361111  0.509175  1.916667  2.083333  2.250000  2.583333  2.916667               3.0  3.305555  0.693889  2.750000  2.916667  3.083333  3.583333  4.083333
    Vietnam                 10.0  1.575000  0.868206  0.750000  1.020833  1.500000  1.645833  3.833333             10.0  3.375000  0.473446  2.583333  3.020833  3.500000  3.729167  4.000000             10.0  1.875000  0.661146  0.833333  1.604167  1.791667  2.312500  3.000000             10.0  3.025000  1.142643  1.166667  2.416667  2.958333  4.125000  4.333333             10.0  2.175000  0.878806  0.750000  1.645833  2.041667  2.645833  3.833333              10.0  2.975000  0.775841  1.750000  2.604167  3.041667  3.541667  4.000000              10.0  2.575000  0.604063  1.833333  2.020833  2.625000  2.812500  3.583333              10.0  2.825000  0.619201  1.583333  2.541667  3.083333  3.229167  3.416667              10.0  2.325000  1.038198  1.166667  1.541667  2.125000  2.854167  4.583333              10.0  2.775000  0.957467  0.750000  2.458333  2.916667  3.458333  4.000000              10.0  3.475000  0.490732  2.583333  3.166667  3.625000  3.812500  4.000000              10.0  3.275000  0.623671  1.833333  3.020833  3.500000  3.645833  4.000000              10.0  2.875000  0.929000  1.583333  2.041667  3.041667  3.666667  4.000000              10.0  3.075000  0.683187  1.833333  2.875000  3.250000  3.583333  3.750000              10.0  3.525000  0.707161  2.416667  3.041667  3.291667  4.104167  4.583333
    Yunnan                   2.0  3.458333  0.294628  3.250000  3.354167  3.458333  3.562500  3.666667              2.0  2.958333  1.001734  2.250000  2.604167  2.958333  3.312500  3.666667              2.0  2.958333  0.412479  2.666667  2.812500  2.958333  3.104167  3.250000              2.0  2.541667  1.119586  1.750000  2.145833  2.541667  2.937500  3.333333              2.0  2.458333  1.708841  1.250000  1.854167  2.458333  3.062500  3.666667               2.0  3.458333  0.294628  3.250000  3.354167  3.458333  3.562500  3.666667               2.0  2.958333  1.001734  2.250000  2.604167  2.958333  3.312500  3.666667               2.0  3.041667  0.412479  2.750000  2.895833  3.041667  3.187500  3.333333               2.0  3.041667  0.412479  2.750000  2.895833  3.041667  3.187500  3.333333               2.0  3.458333  0.294628  3.250000  3.354167  3.458333  3.562500  3.666667               2.0  2.958333  1.001734  2.250000  2.604167  2.958333  3.312500  3.666667               2.0  2.458333  1.708841  1.250000  1.854167  2.458333  3.062500  3.666667               2.0  2.458333  0.294628  2.250000  2.354167  2.458333  2.562500  2.666667               2.0  3.458333  0.294628  3.250000  3.354167  3.458333  3.562500  3.666667               2.0  3.041667  0.412479  2.750000  2.895833  3.041667  3.187500  3.333333
    

    【讨论】:

    • 谢谢。过了一会儿,我可以将我的 pandas 版本升级到新版本(1.1.1),您的代码运行良好。最好的!
    猜你喜欢
    • 1970-01-01
    • 2018-08-29
    • 2017-10-17
    • 1970-01-01
    • 1970-01-01
    • 2015-04-22
    • 2019-03-13
    • 2018-02-22
    • 2021-09-21
    相关资源
    最近更新 更多