Pandas DataFrame DataFrame.mean() 函数

您所在的位置：网站首页 › python的平均数函数 › Pandas DataFrame DataFrame.mean() 函数

Pandas DataFrame DataFrame.mean() 函数

2023-11-19 04:35| 来源: 网络整理| 查看: 265

pandas.DataFrame.mean() 语法示例代码：DataFrame.mean() 方法沿列轴寻找平均值示例代码： DataFrame.mean() 方法沿行轴寻找平均值示例代码：DataFrame.mean() 方法忽略 NaN 值来寻找平均值

Python Pandas DataFrame.mean() 函数计算 DataFrame 对象在指定轴上的值的平均值。

pandas.DataFrame.mean() 语法 DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs) 参数 axis 沿行(axis=0)或列(axis=1)求平均数 skipna 布尔型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False) level 如果轴为 MultiIndex，则沿特定级别计数 numeric_only 布尔型。对于 numeric_only=True，只包括 float、int 和 boolean 列 **kwargs 函数的附加关键字参数返回值

如果没有指定 level，则返回请求轴的平均值的 Series，否则返回平均值的 DataFrame。

示例代码：DataFrame.mean() 方法沿列轴寻找平均值 import pandas as pd df = pd.DataFrame({'X': [1, 2, 2, 3], 'Y': [4, 3, 8, 4]}) print("DataFrame:") print(df) means=df.mean() print("Means of Each Column:") print(means)

输出：

DataFrame: X Y 0 1 4 1 2 3 2 2 8 3 3 4 Means of Each Column: X 2.00 Y 4.75 dtype: float64

计算 X 和 Y 两列的平均数，最后返回一个包含每列平均数的 Series 对象。

在 Pandas 中，如果要找到 DataFrame 中某一列的平均数，我们只调用该列的 mean() 函数。

import pandas as pd df = pd.DataFrame({'X': [1, 2, 2, 3], 'Y': [4, 3, 8, 4]}) print("DataFrame:") print(df) means=df["X"].mean() print("Mean of Column X:") print(means)

输出：

DataFrame: X Y 0 1 4 1 2 3 2 2 8 3 3 4 Mean of Column X: 2.0

它只给出 DataFrame 中 X 列数值的平均值。

示例代码： DataFrame.mean() 方法沿行轴寻找平均值 import pandas as pd df = pd.DataFrame({'X': [1, 2, 2, 3], 'Y': [4, 3, 8, 4]}) print("DataFrame:") print(df) means=df.mean(axis=1) print("Mean of Rows:") print(means)

输出：

DataFrame: X Y 0 1 4 1 2 3 2 2 8 3 3 4 Mean of Rows: 0 2.5 1 2.5 2 5.0 3 3.5 dtype: float64

它计算所有行的平均值，最后返回一个包含每行平均值的 Series 对象。

在 Pandas 中，如果要找到 DataFrame 中某一行的均值，我们只调用 mean() 函数来计算这一行的均值。

import pandas as pd df = pd.DataFrame({'X': [1, 2, 2, 3], 'Y': [4, 3, 8, 4]}) print("DataFrame:") print(df) mean=df.iloc[[0]].mean(axis=1) print("Mean of 1st Row:") print(mean)

输出：

DataFrame: X Y 0 1 4 1 2 3 2 2 8 3 3 4 Mean of 1st Row: 0 2.5 dtype: float64

它只给出 DataFrame 中第一行数值的平均值。

我们使用 iloc 方法根据索引选择行。

示例代码：DataFrame.mean() 方法忽略 NaN 值来寻找平均值

我们使用 skipna 参数的默认值，即 skipna=True 来寻找 DataFrame 沿指定轴的平均值，忽略 NaN 值。

import pandas as pd df = pd.DataFrame({'X': [1, 2, None, 3], 'Y': [4, 3, None, 4]}) print("DataFrame:") print(df) means=df.mean(skipna=True) print("Mean of Columns") print(means)

输出：

DataFrame: X Y 0 1.0 4.0 1 2.0 3.0 2 NaN NaN 3 3.0 4.0 Mean of Columns X 2.000000 Y 3.666667 dtype: float64

如果我们设置 skipna=True，它将忽略 DataFrame 中的 NaN。它允许我们沿列轴计算 DataFrame 的平均值，忽略 NaN 值。

import pandas as pd df = pd.DataFrame({'X': [1, 2, None, 3], 'Y': [4, 3, 3, 4]}) print("DataFrame:") print(df) means=df.mean(skipna=False) print("Mean of Columns") print(means)

输出：

DataFrame: X Y 0 1.0 4 1 2.0 3 2 NaN 3 3 3.0 4 Mean of Columns X NaN Y 3.5 dtype: float64

在这里，我们得到了列 X 的平均值的 NaN 值，因为列 X 中存在 NaN 值。

【本文地址】

Pandas DataFrame DataFrame.mean() 函数

Pandas DataFrame DataFrame.mean() 函数

今日新闻

推荐新闻