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)