Pandas : calculer la moyenne ou std (standard deviation) sur l'ensemble de la dataframe

Voici mon problème, j'ai un dataframe comme ceci :

    Depr_1  Depr_2  Depr_3
S3  0   5   9
S2  4   11  8
S1  6   11  12
S5  0   4   11
S4  4   8   8

et je veux juste de calculer la moyenne sur l'ensemble de l'dataframe, que la suivante ne fonctionne pas :

df.mean()

Alors je suis venu avec :

df.mean().mean()

Mais cette astuce ne fonctionne pas pour le calcul de l'écart-type. Mes dernières tentatives ont été :

df.get_values().mean()
df.get_values().std()

Sauf que dans ce dernier cas, il utilise moyenne() et std() la fonction de numpy. Ce n'est pas un problème pour le dire, mais c'est pour les mst, comme les pandas fonction utilise par défaut ddof=1, à la différence de la numpy où ddof=0.

De par leur conception mean fonctionne sur un axe spécifique, soit par une ligne ou une colonne. Il n'y a pas une méthode pour opérer sur l'ensemble du dataframe comme vous l'avez trouvé, une autre méthode serait quelque chose comme df.values.mean() il utilise numpy veux dire je pense que c'est la même chose que ce pandas utilise.
oui mais pourquoi ne pas avoir la possibilité de axis=None comme dans numpy ? Et laissez axis=0 par défaut ? df.values est la même que df.get_values(), mais merci pour s'en rendre compte, j'ai gagné de la salle.
Ne pouvez pas répondre pourquoi, je ne suis pas un développeur sur les pandas, nous espérons que l'un d'entre eux va le voir et commenter
btw, df.mean().mean() ne sera pas nécessairement vous donner la bonne réponse si il y a des valeurs manquantes (parce qu'il calcule une moyenne des moyennes des colonnes et, implicitement, sur-poids des colonnes avec des valeurs manquantes par rapport aux colonnes sans valeurs manquantes)

OriginalL'auteur jrjc | 2014-08-05