Funzione Pandas DataFrame DataFrame.mean()
-
Sintassi di
pandas.DataFrame.mean(): -
Codici di esempio: Metodo
DataFrame.mean()per trovare la media lungo l’asse di colonna -
Codici di esempio: Metodo
DataFrame.mean()per trovare la media lungo l’asse delle righe -
Codici di esempio: Metodo
DataFrame.mean()per trovare la media ignorando i valoriNaN
La funzione Python Pandas DataFrame.mean() calcola la media dei valori dell’oggetto DataFrame sull’asse specificato.
Sintassi di pandas.DataFrame.mean():
DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
Parametri
axis |
trova la media lungo la riga (axis = 0) o la colonna (axis = 1) |
skipna |
Booleano. Escludi i valori NaN (skipna=True) o includi i valori NaN (skipna=False) |
level |
Conta insieme a un livello particolare se l’asse è MultiIndex |
numeric_only |
Booleano. Per numeric_only=True, includi solo le colonne float, int e boolean |
**kwargs |
Argomenti di parole chiave aggiuntivi per la funzione. |
Ritorno
Se il livello non è specificato, restituisce Series della media dei valori per l’asse richiesto, altrimenti restituisce DataFrame dei valori medi.
Codici di esempio: Metodo DataFrame.mean() per trovare la media lungo l’asse di colonna
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)
Produzione:
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
Calcola la media per entrambe le colonne X e Y e infine restituisce un oggetto Series con la media di ciascuna colonna.
Per trovare la media di una particolare colonna di DataFrame in Pandas, chiamiamo la funzione mean() solo per quella colonna.
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)
Produzione:
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Mean of Column X:
2.0
Fornisce solo la media dei valori della colonna X di DataFrame.
Codici di esempio: Metodo DataFrame.mean() per trovare la media lungo l’asse delle righe
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)
Produzione:
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
Calcola la media per tutte le righe e infine restituisce un oggetto Series con la media di ogni riga.
Per trovare la media di una particolare riga di DataFrame in Pandas, chiamiamo la funzione mean() solo per quella riga.
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)
Produzione:
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Mean of 1st Row:
0 2.5
dtype: float64
Fornisce solo la media dei valori della prima riga di DataFrame.
Usiamo il metodo iloc per selezionare le righe in base all’indice.
Codici di esempio: Metodo DataFrame.mean() per trovare la media ignorando i valori NaN
Usiamo il valore predefinito del parametro skipna cioè skipna=True per trovare la media di DataFrame lungo l’asse specificato ignorando i valori NaN.
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)
Produzione:
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
Se impostiamo skipna=True, ignora il NaN nel dataframe. Ci permette di calcolare la media di DataFrame lungo l’asse della colonna ignorando i valori di NaN.
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)
Produzione:
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
Qui, otteniamo il valore NaN per la media della colonna X poiché la colonna X ha il valore NaN presente in essa.
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn