dataframe平均值

在 Pandas 中，可以使用 `mean()` 方法计算 DataFrame 中每一列的平均值。示例代码如下：

import pandas as pd

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

# 计算每一列的平均值
mean_df = df.mean()

print(mean_df)

输出结果为：

A    2.0
B    5.0
C    8.0
dtype: float64

其中，`mean()` 方法返回一个 Series，包含了每一列的平均值。如果想要计算每一行的平均值，则需要指定 `axis=1` 参数。例如：

# 计算每一行的平均值
mean_df = df.mean(axis=1)

print(mean_df)

输出结果为：

0    4.0
1    5.0
2    6.0
dtype: float64

相关问题

python dataframe 平均值

计算DataFrame中各列的平均值可以使用Python的pandas库来实现。根据引用中的代码示例，可以使用mean()函数来计算每列的平均值。以下是一个示例代码：

import pandas as pd

# 假设df是一个DataFrame对象
df = pd.DataFrame(...) 

# 使用mean()函数计算各列的平均值
avg_values = df.mean()

# 打印平均值
print(avg_values)

请注意，在这个示例中，需要将"..."替换为实际的DataFrame对象。另外，根据引用中的代码，可以使用round()函数来四舍五入保留两位小数，并将计算得到的平均值添加到新的列表中。以下是一个示例代码：

import pandas as pd

# 假设df是一个DataFrame对象
df = pd.DataFrame(...) 

# 使用mean()函数计算各列的平均值
avg_values = df.mean()

# 创建一个新的列表，并将平均值四舍五入保留两位小数后添加到列表中
rounded_avg_values = []
for value in avg_values:
    rounded_value = round(value, 2)
    rounded_avg_values.append(rounded_value)

# 打印新的列表
print(rounded_avg_values)

同样，需要将"..."替换为实际的DataFrame对象。请注意，以上的代码示例只是提供了一种计算DataFrame中各列平均值的方法，实际使用时还需要根据具体情况进行适当调整。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Python Pandas实现数据分组求平均值并填充nan](https://blog.csdn.net/jiangjiang_jian/article/details/80491746)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [【数据处理与分析】DataFrame计算平均值](https://blog.csdn.net/zhong_1104/article/details/127590011)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

dataframe填充平均值

可以使用 pandas 库中的 fillna 方法来填充缺失值。具体地，可以先使用 mean 方法计算每一列的平均值，然后使用 fillna 方法将缺失值填充为对应列的平均值。

示例代码如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [5, None, 7, 8]})

# 计算每一列的平均值
means = df.mean()

# 填充缺失值
df.fillna(means, inplace=True)

print(df)

输出结果为：

     A    B
0  1.0  5.0
1  2.0  6.7
2  2.3  7.0
3  4.0  8.0