如何解决计算`mean`的差异

Question

当以两种不同的方式计算 mean 时（在一个数据帧上和在同一个旋转数据帧上）我希望结果是相同的。但是，它们似乎有所不同。我错过了什么吗？

这是数据集：

import pandas as pd # pandas version is 1.3.4

df = pd.read_csv(
    'https://data.rivm.nl/covid-19/COVID-19_aantallen_gemeente_per_dag.csv', 
    usecols = ['Date_of_publication', 'Municipality_code', 'Municipality_name', 'Province', 'Total_reported', 'Hospital_admission', 'Deceased'], 
    parse_dates = ['Date_of_publication'], 
    index_col = ['Date_of_publication'], 
    sep = ';'
).dropna()

df.tail()

我想计算 Total_reported 列的每个 Date_of_publication 的平均值。

方法一：

df.Total_reported.groupby(df.index).mean()

方法二：

df_pivot = pd.pivot_table(
    df.reset_index(), 
    values='Total_reported', 
    index='Date_of_publication', 
    columns='Municipality_name'
)

df_pivot.mean(axis=1)

Answer 1

因为我不能 post 代码示例作为评论，所以我想利用@mozway 的回答，即在执行 pivot_table[= 时，原因在 columns 中是重复的19=]

df = pd.DataFrame({"total":[50,10,30,15,10,5],"state":["UC","FI","DK","LM","NA","PL"]},index=["2021-11-29"]*3+["2021-11-30"]*3)
df.index.name = "date"
print(df) #No duplicated "state"

#     total  state
#date       
#2021-11-29 50  UC
#2021-11-29 10  FI
#2021-11-29 30  DK
#2021-11-30 15  LM
#2021-11-30 10  NA
#2021-11-30 5   PL

df["total"].groupby(df.index).mean()

#2021-11-29    30.0
#2021-11-30    10.0


pd.pivot_table(df.reset_index(),index="date",values="total",columns="state").mean(axis=1)

#2021-11-29    30.0
#2021-11-30    10.0

如所见，当我们在 state 中将 PL 更改为 NA 时，它给出相同的结果但是即我们现在有2xNA pivot_table 的结果已更改

df = pd.DataFrame({"total":[50,10,30,15,10,5],"state":["UC","FI","DK","LM","NA","NA"]},index=["2021-11-29"]*3+["2021-11-30"]*3) #changed the 'PL' 'NA'

#2021-11-29    30.00
#2021-11-30    11.25 #was 10.0 before

如何解决计算`mean`的差异

How to solve differences in calculating `mean`

python

pivot

mean

pandas

pandas-groupby