DataFrame.mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs) [source]
返回所请求轴的值的平均值。
参数: | axis: 要应用的功能的轴。 skipna: 计算结果时排除 level: 默认为 如果轴是MultiIndex(分层), 则沿特定级别计数,并折叠为 numeric_only: 默认值 仅包括 如果为 然后仅使用数字数据。未针对Series实施。 **kwargs 要传递给函数的其他关键字参数。 |
返回: |
|
例子
1)计算每列的均值
import pandas as pd df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, None, 8], # 存在 NaN 'C': [9, 10, 11, 12] }) print(df.mean())
2)计算每行的均值
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'A': [10, 20, 30, 40], 'B': [5, None, 15, 25], # 第二行存在 NaN 'C': [1, 2, 3, 4] }) # 计算每一行的均值 print(df.mean(axis=1))
3)不忽略 NaN
import pandas as pd # 创建一个包含 NaN 值的 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, None, 7, 8], # B 列包含 NaN 'C': [9, 10, 11, 12] }) # 计算每列的均值,不忽略 NaN print(df.mean(skipna=False))
4)仅计算数值列
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, None, 8], # 包含 NaN 'C': [9, 10, 11, 12] }) # 添加一个非数值列 df["D"] = ["x", "y", "z", "w"] # 计算均值,仅包含数值列 mean_values = df.mean(numeric_only=True) # 输出结果 print(mean_values)