dataframe 取平均且转换为数组

要将DataFrame对象的每列取平均并转换为数组，可以使用以下代码示例：

import pandas as pd
import numpy as np

# 创建一个DataFrame对象
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7, 8, 9]})

# 求每列的平均值
mean_array = np.array(df.mean())

print(mean_array)

这将输出：

[2. 5. 8.]

通过调用DataFrame对象的`mean()`方法，可以计算每列的平均值。然后，使用NumPy库的`array()`函数将结果转换为数组。最后，可以打印出平均值数组。

相关问题

python，np库数组和dataframe操作

Python中的np库是NumPy库的简称，它是一个用于科学计算的强大工具。np库提供了多维数组对象和一系列对数组进行操作的函数，使得在Python中进行数组操作更加方便和高效。

使用np库进行数组操作的第一步是创建数组对象。可以使用np.array()函数将Python列表或元组转换为数组对象，也可以使用np.arange()、np.zeros()、np.ones()等函数直接创建特定形状的数组。

一旦创建了数组对象，就可以使用np库中的各种函数对其进行操作。例如，可以使用np.arange()函数生成一个等差数组，使用np.reshape()函数改变数组的形状，使用np.mean()函数计算数组的平均值等等。通过使用np库中的函数，我们可以更加方便地进行数组的计算和操作。

除了数组操作，np库还提供了对数组元素进行逐个操作的函数，例如np.sin()、np.cos()等用于计算数组元素的正弦、余弦等函数。此外，np库还提供了统计函数、线性代数函数等，可以方便地进行各种数值计算和科学计算。

另外，Python中还有一个重要的库pandas，它提供了一个高性能的数据结构和数据分析工具。其中最重要的数据结构是DataFrame，它类似于Excel的表格。通过使用pandas中的DataFrame，我们可以对数据进行切片、过滤、合并等操作。可以通过np库的数组对象来创建DataFrame，也可以将DataFrame转换为数组对象进行计算。

总之，Python中的np库提供了丰富的数组操作函数，可以方便地进行各种数组计算和操作。而pandas库中的DataFrame则提供了便捷的数据分析工具，使得处理和分析数据更加高效和方便。这两个库在科学计算和数据分析领域中得到了广泛的应用。