dataframe 中统计每个洲(continent)平均消耗的啤酒(beer)量

可以使用 pandas 库进行操作。假设数据框为 df，代码如下：

df.groupby('continent')['beer'].mean()

其中，`groupby` 方法按照指定的列进行分组，此处指定为 `continent` 列；`mean` 方法计算分组后每组的平均值，此处指定为 `beer` 列。最终返回每个洲平均消耗的啤酒量。

相关问题

dataframe中统计每列的空值数量

可以使用 Pandas 库中的 `isnull()` 函数和 `sum()` 函数来统计每列的空值数量。示例代码如下：

import pandas as pd

# 创建一个包含空值的 dataframe
df = pd.DataFrame({'A': [1, 2, None], 'B': [4, None, 6]})

# 统计每列的空值数量
null_counts = df.isnull().sum()

print(null_counts)

输出结果为：

A    1
B    1
dtype: int64

其中，`isnull()` 函数返回一个与原始 dataframe 相同形状的 dataframe，其中每个元素都是一个布尔值，表示原始 dataframe 对应元素是否为空值。然后，`sum()` 函数对每列进行求和，得到每列的空值数量。

对dataframe中每个数取绝对值

要对DataFrame中的每个数取绝对值，可以使用`abs()`函数。以下是一个示例代码：

import pandas as pd

# 创建示例DataFrame
data = {'A': [1, -2, 3],
        'B': [-4, 5, -6],
        'C': [7, -8, 9]}
df = pd.DataFrame(data)

# 对DataFrame中的每个数取绝对值
df_abs = df.abs()

print(df_abs)

输出结果将是一个新的DataFrame，其中每个数都取了绝对值。

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

`abs()`函数会返回一个新的DataFrame，其中的每个元素都是原始DataFrame中对应元素的绝对值。注意，`abs()`函数会逐元素地对DataFrame进行操作，而不会改变原始DataFrame的值。