如何快速计算含多个DataFrame的列表的平均DataFrame与平均值

如果你的手里有一组由多个Pandas DataFrame组成的列表，想要计算出它们的平均DataFrame（也就是每个对应位置元素的平均值组成的新DataFrame），下面是具体的实现方案：

生成示例测试数据 #

首先我们先造几个测试用的DataFrame来模拟场景：

import numpy as np
import pandas as pd

# 生成随机数据并转换为DataFrame
d1 = np.random.normal(0, 0.5, 20).reshape(-1, 4)
d2 = np.random.normal(0, 0.5, 20).reshape(-1, 4)
d3 = np.random.normal(0, 0.5, 20).reshape(-1, 4)
df1 = pd.DataFrame(d1)
df2 = pd.DataFrame(d2)
df3 = pd.DataFrame(d3)

# 把DataFrame放进列表里
df_list = [df1, df2, df3]

计算平均DataFrame #

这里我们可以借助functools里的reduce函数来实现，它能帮我们把列表里的DataFrame逐个累加起来，最后除以列表的长度就能得到平均DataFrame了：

from functools import reduce

# 计算平均DataFrame
average_df = reduce(lambda x, y: x + y, df_list)/len(df_list)
# 查看结果
average_df

这段代码的逻辑很直观：reduce会遍历df_list，把每个DataFrame和之前累加的结果相加，最终得到所有DataFrame元素的总和，再除以DataFrame的数量，就得到了每个对应位置元素的平均值，也就是我们想要的平均DataFrame。如果需要整体的平均值，直接对average_df调用.mean().mean()即可得到所有元素的整体均值。

内容的提问来源于stack exchange，提问作者R.yan