Python / with Pandas 中的描述性统计，括号中为 std
Adr*_*ico 6 python statistics standard-deviation pandas statsmodels
这个问题涉及在 Python 中使用与学术出版物中找到的表格相对应的格式化输出进行描述性统计的最佳实践：平均值在下面的括号中带有各自的标准偏差。最终目标是能够以 Latex 表格格式（或其他格式、html 等）导出它。
示例（Deucherta & Eugster (2018)）：
熊猫：
在 Pandas 中进行描述性统计的经典解决方案是使用 a 的describe()方法DataFrame。
import numpy as np
import pandas as pd
# Generate a DataFrame to have an example
df = pd.DataFrame(
{"Age" : np.random.normal(20,15,5),
"Income": np.random.pareto(1,5)*20_000 }
)
# The describe method to get means and stds
df.describe().loc[["mean", "std"]].T
>>>
mean std
Age 15.322797 13.449727
Income 97755.733510 143683.686484
我想要的是以下输出：
Age 15.32
(13.44)
Income 97755.73
(143683.68)
有一个适用于多索引数据帧的解决方案会很好：
df2 = pd.DataFrame(
{"Age" : np.random.normal(20,15,5),
"Income": np.random.pareto(1,5)*20_000 }
)
df_c = pd.concat([df,df2], keys = ["A", "B"])
>>>
并得到
A B
Age 23.15 21.33
(11.62) (9.34)
Income 68415.53 46619.51
(95612.40) (64596.10)
我目前的解决方案：
idx = pd.IndexSlice
df_desc = (df_c
).groupby(level = 0, axis = 0).describe()
df_desc = df_desc.loc[idx[:],idx[:,["mean", "std"]]].T
df_desc.loc[idx[:,["std"]],idx[:]] = df_desc.loc[idx[:,["std"]],idx[:]
].applymap(
lambda x: "("+"{:.2f}".format(x)+")")
print(df_desc)
>>>
A B
Age mean 23.1565 21.3359
std (11.62) (9.34)
Income mean 68415.5 46619.5
std (95612.40) (64596.10)
我没有找到隐藏第二个索引列 [mean, std, mean,std] 的解决方案。
然后我想将我的 df 导出到乳胶：
df_desc.to_latex()
>>>
\begin{tabular}{llll}
\toprule
& & A & B \\
\midrule
Age & mean & 5.5905 & 29.5894 \\
& std & (16.41) & (13.03) \\
Income & mean & 531970 & 72653.7 \\
& std & (875272.44) & (79690.18) \\
\bottomrule
\end{tabular}
&表格的字符没有对齐，这使得编辑有点乏味（我&在 VSCode 中使用扩展来对齐）
总的来说，我觉得这个解决方案很乏味而且不优雅。
解决方案 ?
我不知道我应该怎么做才能在没有复杂字符串操作的情况下获得所需的结果。
我看过Pandas 样式，但我认为这不是最好的解决方案。
还有StatModels Tables，但我没有找到解决问题的简单方法。Statsmodels Tables 似乎是最有前途的解决方案。但我不知道如何实现它。StatsModels 中有一些描述性的统计函数，但我在 GitHub 上读到它们在某种程度上已被弃用。
那么制作这些桌子的最佳方法是什么？
我刚刚遇到了类似的问题并找到了您的帖子，所以这就是我处理您提到的问题的方法。
问题1：隐藏第二个索引列
我更喜欢解决方案b)，但出于说明目的将a)留在这里。
a) droplevel 和 set_index
df_desc.index.droplevel(level=1)
>>>
Index(['Age', 'Age', 'Income', 'Income'], dtype='object')
将这段代码与set_index表达式一起使用：
df_desc.set_index(df_desc.index.droplevel(level=1), inplace=True)
这导致：
print(df_desc)
>>>
A B
Age 17.1527 23.9678
Age (19.73) (12.01)
Income 293271 12178.8
Income (400059.27) (14483.35)
这看起来还不太令人满意，因为索引值Age和Income分别出现了两次。
这就是为什么我想出了以下内容。
b)使用创建新的 DataFramepd.DataFrame.values并手动分配索引
首先，重置索引：
df_desc = df_desc.reset_index(drop=True)
print(df_desc)
>>>
A B
0 17.306 11.425
1 (14.40) (16.67)
2 88016.7 67280.4
3 (73054.44) (54953.69)
其次，创建新的 DataFrame 并手动指定索引和列名称。请注意，我用作df_desc.values数据参数（第一个位置）。
df_new = pd.DataFrame(df_desc.values, index=["Age", "", "Income", ""], columns=["A", "B"])
print(df_new)
>>>
A B
Age 27.7039 20.8031
(13.99) (13.92)
Income 20690.7 7370.44
(29470.03) (13279.10)
问题 2：对齐 LaTeX 表格
请注意，运行
df_new.to_latex()
确实产生了有点混乱的str输出：
>>>
'\\begin{tabular}{lll}\n\\toprule\n{} & A & B \\\\\n\\midrule\nAge & 27.7039 & 20.8031 \\\\\n & (13.99) & (13.92) \\\\\nIncome & 20690.7 & 7370.44 \\\\\n & (29470.03) & (13279.10) \\\\\n\\bottomrule\n\\end{tabular}\n'
但是，将其包装在print语句中会产生所需的输出：
print(df_new.to_latex())
>>>
\begin{tabular}{lll}
\toprule
{} & A & B \\
\midrule
Age & 27.7039 & 20.8031 \\
& (13.99) & (13.92) \\
Income & 20690.7 & 7370.44 \\
& (29470.03) & (13279.10) \\
\bottomrule
\end{tabular}
此外，将表格导出到 LaTeX 文档也相当简单。
正如您自己所指出的，to_latex()已经创建了一个表格，因此您只需将其写入文件，并\input在 LaTeX 文档中使用。按照此处的示例，执行以下操作：
i) 将表格保存为文本文件
with open('mytable.tex','w') as tf:
tf.write(df_new.to_latex())
ii) 在 LaTeX 文档中使用导出的表格
\documentclass{article}
\usepackage{booktabs}
\begin{document}
\input{mytable}
\end{document}
此示例假设mytable.tex和 LaTeX 文档位于同一文件夹中。该booktabs包是必需的，因为to_latex()使用booktabs表规则的命令。
最终的 pdf 输出如下所示：
| 归档时间： |
|
| 查看次数： |
1889 次 |
| 最近记录： |