python blaze计算多列的平均值

时间:2016-01-18 17:28:39

标签: python pandas blaze

我有像这样的python大火数据

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

我想计算数字列的平均值。我试过这样的事情

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

我得到了

pandas

但我想像data.mean()一样在单张照片​​中进行计算,例如vi /etc/spark/conf/spark-defaults.conf

任何想法或建议???

2 个答案:

答案 0 :(得分:2)

Pandas聚合有点神奇,我不认为你能够在没有某种逻辑的情况下跳过非数字列。

如果您可以选择添加虚拟列,则可以使用by在整个表格中进行聚合。

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

虽然这并不是特别明确,但也需要修改数据。

您可以使用odo快速访问简明的Pandas语法:

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

答案 1 :(得分:0)

我认为使用summary缩减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

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