dataframe，将列A、B、C、D的均值生成列E

可以使用Pandas库中的DataFrame的mean()函数来计算每一列的均值，并将均值作为新的一列添加到DataFrame中。具体代码如下：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12], 'D': [13, 14, 15, 16]})

# 计算每一列的均值，并将均值作为新的一列添加到DataFrame中
df['E'] = df.mean(axis=1)

print(df)

输出结果为：

   A  B   C   D     E
0  1  5   9  13   7.0
1  2  6  10  14   8.0
2  3  7  11  15   9.0
3  4  8  12  16  10.0

其中，axis=1表示对每一行进行操作，即计算每一行的均值。因此，最终生成的列E中的每个值都是对应行的A、B、C、D四列的均值。

相关问题

dataframe，能否在排除缺失值的影响的情况下，计算列B、列C、列D三列数据的均值，并将结果生成列E

可以使用fillna方法将缺失值填充为0，然后计算均值并生成新列E，示例代码如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, None, 8],
                   'C': [9, None, 11, 12],
                   'D': [13, 14, 15, None]})

# 填充缺失值为0
df = df.fillna(0)

# 计算均值并生成新列E
df['E'] = (df['B'] + df['C'] + df['D']) / 3

print(df)

输出结果为：

   A    B     C     D         E
0  1  5.0   9.0  13.0   9.000000
1  2  6.0   0.0  14.0   6.666667
2  3  0.0  11.0  15.0   8.666667
3  4  8.0  12.0   0.0  10.000000

注意，这种方法填充缺失值为0是有局限性的，因为有时0本身可能是有意义的数据，应根据实际情况选择合适的填充值或者处理方法。