NaN的数据框的平均值为零，而不是NaN

Question

我有各种时间序列的数据框，其中数据从各个时间点开始。因此，具有相同的起点，他们都填充为NaN，就像这样：

location townA townB 
datanumber 1234 1235 
1940-01-01 NaN  NaN 
1940-02-01 NaN  NaN 
1940-03-01 NaN  NaN 
1940-04-01 NaN  NaN 
1940-05-01 0.53  NaN 

我需要获得平均为我所有的位置，因此它看起来像meandf = locdf.mean(axis = 1)应该做的工作。该documentation for pd.mean()告诉我，

skipna : boolean, default True

Exclude NA/null values. If an entire row/column is NA, the result will be NA

它跳过NA值（这是一样的喃？），就像熊猫的所有其他功能做的，所以我希望像

1940-01-01 NaN 
1940-02-01 NaN 
1940-03-01 NaN 
1940-04-01 NaN 
1940-05-01 0.53 

结果但我得到

1940-01-01 0 
1940-02-01 0 
1940-03-01 0 
1940-04-01 0 
1940-05-01 0.53 

其肆虐之后，因为一切都在大熊猫其他人似乎与NaN很好地工作，因此我一直使用它。

再次指定它只是为了确保与skipna = 'True'产生相同的结果，也numeric_only不会改变任何东西。

那么我做错了什么？

Answer 1

这是一个与熊猫/ numpy有关的已知混淆问题。总之，操作的实际结果将取决于您安装的bottleneck版本，因为熊猫会推迟这些计算的瓶颈。又见https://github.com/pydata/pandas/issues/9422（和GH11409）

bottleneck改变其实施nansum对所有NaN数组，而不是NaN的返回0。这是为了匹配numpy的nansum的行为。出于这个原因，熊猫的实际行为可能会不一致，具体取决于是否安装了哪个版本的瓶颈。

---

的numpy的行为：

In [2]: a = np.array([np.nan, np.nan, np.nan]) 

In [3]: a 
Out[3]: array([ nan, nan, nan]) 

In [4]: np.nansum(a) 
Out[4]: 0.0 

的逻辑是无中生有之和为0（因为你跳过这里所有的NaN你什么也得不到）。

默认情况下，熊猫从这种行为偏差和确实返回NaN（而你所期望的结果）：

In [6]: s = pd.Series(a) 

In [7]: s.sum() 
Out[7]: nan 

当你已经安装了瓶颈，这将被用于该计算。此前，瓶颈还会返回NaN，因此无论是否安装瓶颈，您都会得到一致的行为。然而，更新版本的瓶颈改变了行为（> = 1.0）以匹配numpy的nansum的行为。
所以，如果你已经安装了这个版本的瓶颈，你会看到另一个行为：

In [1]: a = np.array([np.nan, np.nan, np.nan]) 

In [2]: np.nansum(a) 
Out[2]: 0.0 

In [3]: s = pd.Series(a) 

In [4]: s.sum() 
Out[4]: 0.0 

In [5]: import bottleneck 

In [6]: bottleneck.__version__ 
Out[6]: '1.0.0' 

我觉得有东西两个结果说（0或NaN），并没有这两个是一'错'，但是当然最令人困惑/问题的是大熊猫和numpy/bottleneck之间的行为不同。