python中pandas计算删除数据前后每列平均值变化的百分比

在Python中使用pandas库计算删除数据前后每列平均值的变化百分比，可以按照以下步骤进行：

1. 首先，使用pandas读取数据集到DataFrame中。
2. 计算原始数据集中每列的平均值。
3. 假设我们删除了数据集中的一部分数据（比如基于某些条件），使用相应的方法（如`drop`）来删除数据。
4. 计算删除数据后剩余数据集中每列的平均值。
5. 计算删除数据前后每列的平均值变化百分比，这可以通过将删除数据后的平均值与原始平均值的差，除以原始平均值，再乘以100得到。
6. 将计算得到的百分比变化输出或保存。

下面是一个简单的示例代码：

import pandas as pd

# 假设df是已经加载好的DataFrame
# df = pd.read_csv('your_data.csv')  # 示例：从CSV文件加载数据

# 计算原始数据集的每列平均值
original_means = df.mean()

# 删除数据的逻辑（这里假设我们删除了某些数据，这里用随机数模拟）
# 假设 delete_percentage 是我们删除的数据所占的百分比
delete_percentage = 0.1
rows_to_drop = int(len(df) * delete_percentage)
df = df.sample(frac=1).drop(df.index[:rows_to_drop])

# 计算删除数据后剩余数据集的每列平均值
remaining_means = df.mean()

# 计算每列平均值的变化百分比
percentage_change = ((remaining_means - original_means) / original_means) * 100

# 输出每列的平均值变化百分比
print(percentage_change)

请注意，上述代码中的`delete_percentage`是删除数据的百分比，这个值可以根据实际情况进行调整。`df.sample(frac=1).drop(df.index[:rows_to_drop])`这行代码是在没有特定删除标准时随机删除数据的一种方式。