如何用R计算DataFrame各列基于正态分布的单元格概率值

你可以使用pandas处理DataFrame，结合scipy.stats中的正态分布工具来实现需求，步骤如下：

1. 导入依赖库 #

import pandas as pd
from scipy.stats import norm

2. 构造你的DataFrame #

根据你提供的数据创建示例DataFrame（如果已有现成DataFrame可跳过此步）：

df = pd.DataFrame(
    {
        "Con1": [45, 23, 67, 22, 5],
        "Con2": [576, 1234, 345, 44, 567],
        "Con3": [None, None, None, None, None],
        "Con4": [None, None, None, None, None]
    },
    index=[1, 2, 3, 4, 5]
)

3. 定义处理函数 #

编写一个函数，对单列数据计算均值、标准差，再替换为对应正态分布的累积概率（CDF，取值范围0-1，与你的示例匹配）：

def replace_with_norm_prob(col):
    # 计算列的均值和样本标准差
    col_mean = col.mean()
    col_std = col.std()
    
    # 跳过全空列或标准差为0的列（避免计算错误）
    if col.isna().all() or col_std == 0:
        return col
    
    # 计算每个值的正态累积分布概率
    return norm.cdf(col, loc=col_mean, scale=col_std)

4. 应用函数到整个DataFrame #

对每列应用上述函数，得到结果：

result_df = df.apply(replace_with_norm_prob)

结果示例 #

运行后result_df的输出大致如下（数值为近似值，与你的示例逻辑一致）：

Con1      Con2  Con3  Con4
1  0.70500  0.456000   NaN   NaN
2  0.32800  0.923000   NaN   NaN
3  0.93700  0.189000   NaN   NaN
4  0.31600  0.000123   NaN   NaN
5  0.06300  0.438000   NaN   NaN

补充说明 #

• 如果你需要的是**概率密度函数（PDF）**而非累积概率，只需将norm.cdf替换为norm.pdf即可，但PDF值可能大于1，不符合你示例的0-1范围。
• 函数中加入了对全空列、标准差为0列的判断，避免出现除以0或无效计算的错误。

内容的提问来源于stack exchange，提问作者DANY