Pandas DataFrame DataFrame.mean() 函数

  1. pandas.DataFrame.mean() 语法
  2. 示例代码:DataFrame.mean() 方法沿列轴寻找平均值
  3. 示例代码: DataFrame.mean() 方法沿行轴寻找平均值
  4. 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 floatintboolean
**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 XY 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 DataFrameX 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。

相关文章 - Pandas DataFrame

  • Pandas DataFrame DataFrame.apply() 函数
  • Pandas DataFrame DataFrame.max() 函数
  • comments powered by Disqus