如何使用pandas按条件筛选数据及解决statsmodels函数调用报错

• 核心错误为参数传递错误：你在sm.stats.DescrStatsW()中传入的是列名参数variable（字符串类型），并非你筛选得到的对应列数值序列，需要替换为提前过滤好的subconjunto变量。
• 可选优化：建议将cereal_df作为函数入参传入，避免依赖全局变量，减少作用域相关的潜在报错。

修正后代码 #

import statsmodels.api as sm
import pandas as pd

def valor_medio_intervalo(cereal_df, fabricante, variable, confianza):
  # 筛选对应厂商的目标列数据
  subconjunto = cereal_df.loc[cereal_df['fabricante'] == fabricante, variable]
  # 传入筛选后的数值序列计算置信区间
  inicio, final  = sm.stats.DescrStatsW(subconjunto).tconfint_mean(alpha = 1 - confianza)
  return inicio, final

调用示例 #

如果你需要计算Kellogs厂商calorias列的95%置信区间，调用方式如下：

inicio, final = valor_medio_intervalo(cereal_df, "Kellogs", "calorias", 0.95)
print(f"均值置信区间：[{inicio:.2f}, {final:.2f}]")

内容的提问来源于stack exchange，提问作者Juan David Serna