numpy
与使用以下方式访问系列值相比,为什么使用Pandas系列时会返回带有缺失值的不同结果:
import pandas as pd
import numpy as np
data = pd.DataFrame(dict(a=[1, 2, 3, np.nan, np.nan, 6]))
np.sum(data['a'])
#12.0
np.sum(data['a'].values)
#nan
调用np.sum
pandas Series委托给Series.sum
,在计算总和时(按默认值),它将忽略NaN。
data['a'].sum()
# 12.0
np.sum(data['a'])
# 12.0
您可以从以下源代码中看到这一点np.sum
:
np.sum??
def sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue, initial=np._NoValue):
...
return _wrapreduction(a, np.add, 'sum', axis, dtype, out, keepdims=keepdims,
看一下的源代码_wrapreduction
,我们看到:
np.core.fromnumeric._wrapreduction??
def _wrapreduction(obj, ufunc, method, axis, dtype, out, **kwargs):
...
if type(obj) is not mu.ndarray:
try:
reduction = getattr(obj, method) # get reference to Series.add
reduction
然后最后在函数结尾处调用:
return reduction(axis=axis, out=out, **passkwargs)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句