Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas dataframe.mean()
函數返回所請求軸的平均值。如果將方法應用於 Pandas 係列對象,則該方法將返回標量值,該標量值是 DataFrame 中所有觀測值的平均值。如果將方法應用於pandas DataFrame 對象,則該方法將返回pandas係列對象,該對象包含指定軸上的值的平均值。
用法: DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
參數:
axis:{索引(0),列(1)}
skipna:計算結果時排除NA /空值
level:如果軸是MultiIndex(分層),則沿特定級別計數,折疊成一個係列
numeric_only:僅包括浮點型,整數型和布爾型列。如果為None,將嘗試使用所有內容,然後僅使用數字數據。未針對係列實施。
返回值:意思是:Series或DataFrame(如果指定級別)
範例1:采用mean()
函數查找索引軸上所有觀測值的平均值。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
"B":[5, 2, 54, 3, 2],
"C":[20, 16, 7, 3, 8],
"D":[14, 3, 17, 2, 6]})
# Print the dataframe
df
讓我們使用dataframe.mean()
函數查找索引軸上的均值。
# Even if we do not specify axis = 0,
# the method will return the mean over
# the index axis by default
df.mean(axis = 0)
輸出:
範例2:采用mean()
在具有Na
值。還要找到列軸的平均值。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
"B":[7, 2, 54, 3, None],
"C":[20, 16, 11, 3, 8],.
"D":[14, 3, None, 2, 6]})
# skip the Na values while finding the mean
df.mean(axis = 1, skipna = True)
輸出:
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.mean()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。