python中求csv平均值并且保留两位小数

可以使用Python内置的csv模块和numpy模块来实现。

这里提供两种方法：

方法一：使用csv模块读取csv文件并使用numpy计算平均值：

import csv
import numpy as np

# 读取csv文件
with open('data.csv', 'r') as f:
    reader = csv.reader(f)
    data = [row for row in reader]

# 转换为numpy数组并计算平均值
data = np.array(data[1:], dtype=np.float32)
mean = np.mean(data, axis=0)

# 输出平均值并保留两位小数
print('平均值为：', ['%.2f' % m for m in mean])

方法二：使用pandas读取csv文件并计算平均值：

import pandas as pd

# 读取csv文件并计算平均值
data = pd.read_csv('data.csv')
mean = data.mean()

# 输出平均值并保留两位小数
print('平均值为：', ['%.2f' % m for m in mean])

两种方法的输出结果都会保留两位小数的平均值。其中，第一种方法需要手动将读取的字符串数据转换为float数据，而第二种方法会自动进行类型转换。

相关问题

将 hotel.csv 中评分为空的数据设置为总平均评分 并且存入 hotel2_c4_N.csv，N 为总平均评分保留一位小数

首先，你需要通过编程语言如Python来处理这个任务。假设你已经导入了pandas库并读取了`hotel.csv`文件。以下是完成这个任务的一个步骤示例：

import pandas as pd

# 读取原始数据
df = pd.read_csv('hotel.csv')

# 计算酒店评分的总平均分
avg_score = df['评分'].mean()

# 检查是否有评分为空的数据
empty_scores_mask = df['评分'].isnull()

# 如果有空值，将对应行的评分设为平均分
df.loc[empty_scores_mask, '评分'] = avg_score

# 保留一位小数
df['评分'] = df['评分'].round(1)

# 保存到新的CSV文件
df.to_csv('hotel2_c4_N.csv', index=False)

在这个例子中，`df['评分'].isnull()`检查评分列是否有缺失值，`df.loc[empty_scores_mask, '评分'] = avg_score`用于替换空值，而`df['评分'].round(1)`则将评分四舍五入到一位小数。

文件夹1中是每年的降雨量csv文件，文件夹2中是每年的气温csv数据，遍历上面两个文件夹，读取每一个csv文件，同时，还有四个csv文件，所有csv文件读取之后，第一列的维度取两位小数，第二列的的经度保留一位小数，将经纬度一样的数据提取出来生成新的表格，给出python代码

在Python中，你可以使用pandas库来进行这样的处理。这里是一个示例代码片段，假设这两个文件夹名为'data_folder1' 和 'data_folder2'，并且它们都有对应的csv文件：

import os
import pandas as pd

# 定义两个文件夹路径
folder1_path = 'data_folder1'
folder2_path = 'data_folder2'

# 创建空列表存储所有的DataFrame
all_data = []

# 遍历文件夹并读取csv文件
for folder in [folder1_path, folder2_path]:
    for filename in os.listdir(folder):
        if filename.endswith(".csv"):
            file_path = os.path.join(folder, filename)
            
            # 读取CSV文件
            df = pd.read_csv(file_path)

            # 对第一列和第二列进行指定精度的四舍五入
            df_rounded = df.round({'Column1': 2, 'Column2': 1})  # 将 'Column1' 更改为实际的列名
            
            all_data.append(df_rounded)

# 合并所有数据到一个大表，并按经纬度分组，求平均值（这一步取决于是否有重复的经纬度）
merged_data = pd.concat(all_data, ignore_index=True)
final_data = merged_data.groupby(['Column1_rounded', 'Column2_rounded']).mean()  # Column1_rounded 和 Column2_rounded 是圆角后的列名

# 输出最终的数据表格
final_data.to_csv('new_table.csv', index=False)  # 保存到新的CSV文件