Pandas 与 Polars：mean() 函数

Question

有计算列平均值的代码

pd.DataFrame({'id': ['A', 'A', 'B', 'B', 'B', 'B'], 'a': [1, 2, 3, 4, float('inf'), float('inf')]}).groupby('id').mean()

对于熊猫。结果是：

      a
id     
A   1.5
B   NaN

但是对于 Polars 来说，我们得到了

pl.DataFrame({'id': ['A', 'A', 'B', 'B', 'B', 'B'], 'a': [1, 2, 3, 4, float('inf'), float('inf')]}).groupby('id').mean()

：

┌─────┬─────┐
│ id  ┆ a   │
│ --- ┆ --- │
│ str ┆ f64 │
╞═════╪═════╡
│ B   ┆ inf │
│ A   ┆ 1.5 │
└─────┴─────┘

在第一个示例中，我们有 ID“B”的

NaN

值，但对于第二个示例中的相同 ID，我们有

inf

为什么以及基于什么原则它们的计算方式不同？

我尝试在 Pandas 上重现 Polars 示例，但在数据帧中遇到了不同的结果。

Answer 1

用

pandas

计算平均值时，如果一个组包含

float('inf')

和有限值，则会产生

nan

表示结果未定义，而在计算

polars

中的平均值时，如果一个组仅包含

float('inf') 

值，结果为

inf

。如果有有限值与

inf

混合，则会产生

nan

。如果您想在

pandas

中重现极坐标的行为，您可以这样做：

import pandas as pd
import numpy as np

def custom_mean(series):
    if np.all(np.isinf(series)):
        return float('inf')
    else:
        return series.mean()

df = pd.DataFrame({'id': ['A', 'A', 'B', 'B', 'B', 'B'], 'a': [1, 2, 3, 4, float('inf'), float('inf')]})
result = df.groupby('id').agg({'a': custom_mean})
print(result)

这给出了

      a
id     
A   1.5
B   inf