Pandas DataFrame DataFrame.median() 函数
Jinku Hu
2023年1月30日
-
pandas.DataFrame.median()语法 -
示例代码：
DataFrame.median()方法沿列轴寻找中位数 -
示例代码：
DataFrame.median()方法沿行轴寻找中位数 -
示例代码：
DataFrame.median()方法忽略NaN值来寻找中位数
Python Pandas DataFrame.median() 函数计算 DataFrame 对象的元素沿指定轴的中位数。
中位数不是平均数，而是数字列表中数值的中间值。
pandas.DataFrame.median() 语法
DataFrame.median(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
参数
axis |
沿行(axis=0)或列(axis=1)找中位数 |
skipna |
布尔型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False) |
level |
如果轴为 MultiIndex，则沿特定级别寻找中位数 |
numeric_only |
布尔型。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，则返回请求轴的中值的 Series，否则返回中位数的 DataFrame。
示例代码：DataFrame.median() 方法沿列轴寻找中位数
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
'Y': [4, 3, 8, 2, 9]})
print("DataFrame:")
print(df)
medians=df.median()
print("medians of Each Column:")
print(medians)
输出：
DataFrame:
X Y
0 1 4
1 2 3
2 7 8
3 5 2
4 10 9
medians of Each Column:
X 5.0
Y 4.0
dtype: float64
计算 X 和 Y 两列的中位数，最后返回一个包含每列中位数的 Series 对象。
在 Pandas 中，要找到 DataFrame 中某一列的中位数，我们只调用该列的 median() 函数。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
'Y': [4, 3, 8, 2, 9]})
print("DataFrame:")
print(df)
medians=df["X"].median()
print("medians of Each Column:")
print(medians)
输出：
DataFrame:
X Y
0 1 4
1 2 3
2 7 8
3 5 2
4 10 9
medians of Each Column:
5.0
它只给出 DataFrame 中的 X 列的中位数。
示例代码：DataFrame.median() 方法沿行轴寻找中位数
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
'Y': [4, 3, 8, 2, 9],
'Z': [2, 7, 6, 10, 5]})
print("DataFrame:")
print(df)
medians=df.median(axis=1)
print("medians of Each Row:")
print(medians)
输出：
DataFrame:
X Y Z
0 1 4 2
1 2 3 7
2 7 8 6
3 5 2 10
4 10 9 5
medians of Each Row:
0 2.0
1 3.0
2 7.0
3 5.0
4 9.0
dtype: float64
它计算所有行的中位数，最后返回一个包含每行中位数的 Series 对象。
在 Pandas 中，要想找到 DataFrame 中某一行的中位数，我们只调用 median() 函数来计算这一行的中位数。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, 5, 10],
'Y': [4, 3, 8, 2, 9],
'Z': [2, 7, 6, 10, 5]})
print("DataFrame:")
print(df)
median=df.iloc[[0]].median(axis=1)
print("median of 1st Row:")
print(median)
输出：
DataFrame:
X Y Z
0 1 4 2
1 2 3 7
2 7 8 6
3 5 2 10
4 10 9 5
median of 1st Row:
0 2.0
dtype: float64
它只给出了 DataFrame 中第一行数值的中位数。
我们使用 iloc 方法根据索引选择行。
示例代码：DataFrame.median() 方法忽略 NaN 值来寻找中位数
我们使用 skipna 参数的默认值，即 skipna=True，通过忽略 NaN 值，沿指定的轴找到 DataFrame 的中位数。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, None, 10, 8],
'Y': [None, 3, 8, 2, 9, 6],
'Z': [2, 7, 6, 10, None, 5]})
print("DataFrame:")
print(df)
median=df.median(skipna=True)
print("medians of Each Row:")
print(median)
输出：
DataFrame:
X Y Z
0 1.0 NaN 2.0
1 2.0 3.0 7.0
2 7.0 8.0 6.0
3 NaN 2.0 10.0
4 10.0 9.0 NaN
5 8.0 6.0 5.0
medians of Each Row:
X 7.0
Y 6.0
Z 6.0
dtype: float64
如果我们设置 skipna=True，它会忽略 DataFrame 中的 NaN。它允许我们通过忽略 NaN 值来计算 DataFrame 沿列轴的中位数。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 7, None, 10],
'Y': [5, 3, 8, 2, 9],
'Z': [2, 7, 6, 10, 4]})
print("DataFrame:")
print(df)
median=df.median(skipna=False)
print("medians of Each Row:")
print(median)
输出：
DataFrame:
X Y Z
0 1.0 5 2
1 2.0 3 7
2 7.0 8 6
3 NaN 2 10
4 10.0 9 4
medians of Each Row:
X NaN
Y 5.0
Z 6.0
dtype: float64
这里，我们得到的是 NaN 值作为 X 列的中位数，因为 X 列中存在 NaN 值。
作者： Jinku Hu
