在熊猫的groupby上使用lambda函数时的奇怪行为

Question

我有一只熊猫DataFrame，有两组'A'和'B'，每组中都缺少一个元素。

df4 = pd.DataFrame({'Name' : ['A', 'A', 'A', 'A', 'B', 'B', 'B'], 
                    'X' : [0, 0.5,1, np.nan, 1,np.nan,1]})

Name    X
A       0.0
A       0.5
A       1.0
A       nan
B       1.0
B       nan
B       1.0

我想使用lambda函数为每个组填写缺少的数据

使用x.mean()时的正确行为

df4.groupby('Name')['X'].transform(lambda x: x.fillna(x.mean()))
0    0.0
1    0.5
2    1.0
3    0.5 <------ Filled as 0.5
4    1.0
5    1.0 <------ Filled as 1
6    1.0

如果我如上所述使用x.mean()，则此行为是正确的，因为在A组中，平均值为1.5/3，即0.5。 B组也是如此。

使用x.std()时的奇怪行为

但是，如果我改用x.std()，则填写的数字对我来说没有意义。对于组A，只有三个现有元素0，0.5和1.0，其标准偏差应为0.408。但是，lambda函数为我提供了以下输出。

df4.groupby('Name')['X'].transform(lambda x: x.fillna(x.std()))
0    0.0
1    0.5
2    1.0
3    0.5 <------ Filled as 0.5 instead of 0.4082
4    1.0
5    0.0 <------ Correct
6    1.0 

有人可以解释这种行为吗？ 0.5从哪里来？

Answer 1

需要将pandas.Series.std #include <iostream> #include <variant> struct Visitor{ void operator()(double){ std::cout << "Double!" << std::endl; }; void operator()(int){ std::cout << "Int!" << std::endl; }; // that was missing: void operator()(std::monostate){ std::cout << "Mono!" << std::endl; }; }; int main() { std::variant<std::monostate, int, double> v = 1; std::variant<std::monostate, int, double> w; std::visit(Visitor{}, v); std::visit(Visitor{}, w); } 的默认参数更改为ddof=1：

ddof=0