pandas dataframe dataframe.mean() 函数-ag捕鱼王app官网

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

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。