pandas求某列均值忽略naN

### 使用 Pandas 计算某一列的均值并忽略 NaN 值

为了计算 DataFrame 中某列的均值并且忽略 `NaN` 值，可以利用 `pandas.Series.mean()` 方法，默认情况下该方法会自动跳过 `NaN` 值。下面是一个具体的例子说明如何实现这一点：

import pandas as pd
import numpy as np

qq = np.array([[1, 2, 3, np.nan], [3, 4, np.nan, 5], [6, np.nan, 5, 7], [6, 7, 8, 0]])
df = pd.DataFrame(qq)

column_mean = df.iloc[:, 2].mean()
print(f"The mean of the third column is {column_mean}")

上述代码创建了一个包含一些 `NaN` 数据点的数据框，并计算了第三列（索引为2）的平均值[^2]。

如果希望显式地控制是否忽略 `NaN` 值，则可以通过传递参数 `skipna=True` 给 `.mean()` 函数来确保即使存在 `NaN` 值也能得到有效的结果[^1]。

对于那些不希望因为少量缺失数据而损失大量样本的情况，还可以考虑采用填充策略而不是直接移除含有 `NaN` 的行[^3]。

相关问题

pandas按行求均值

要按行求均值，可以使用`np.mean`函数并指定`axis=1`参数。根据引用[3]中的代码，我们可以将其应用于数组`qq`：

np.mean(qq, axis=1)

这将返回一个包含每行均值的一维数组。请注意，由于存在缺失值（`nan`），因此在计算均值时将自动忽略这些缺失值。

pandas 按行求均值、方差

在pandas中，可以使用`mean()`函数来按行求均值，使用`var()`函数来按行求方差。

要按行求均值，可以使用`mean(axis=1)`函数。其中，`axis=1`表示按行进行计算。例如，对于一个DataFrame对象df，可以使用以下代码来求每一行的均值：

row_mean = df.mean(axis=1)

同样地，要按行求方差，可以使用`var(axis=1)`函数。例如，对于一个DataFrame对象df，可以使用以下代码来求每一行的方差：

row_var = df.var(axis=1)

需要注意的是，以上函数默认会忽略缺失值（NaN）。如果想要包含缺失值进行计算，可以使用`skipna=False`参数。例如：

row_mean = df.mean(axis=1, skipna=False)
row_var = df.var(axis=1, skipna=False)