如何一次读入多个表格的指定数值列并计算均值后构造dataframe
时间: 2024-01-13 14:02:16 浏览: 36
可以使用 pandas 库中的 read_csv 函数读入多个表格,然后使用 iloc 函数选择指定数值列,并使用 mean 函数计算均值,最后将均值构造成一个新的 dataframe。下面是一个示例代码:
```python
import pandas as pd
# 定义一个空列表,用于存储均值
mean_list = []
# 读入多个表格
for i in range(1, 4):
filename = 'table{}.csv'.format(i)
df = pd.read_csv(filename)
# 选择指定数值列并计算均值
mean_value = df.iloc[:, 1:4].mean()
mean_list.append(mean_value)
# 将均值列表构造成 dataframe
df_mean = pd.DataFrame(mean_list)
# 输出均值 dataframe
print(df_mean)
```
在上面的代码中,我们使用了一个循环来读入多个表格,每个表格的文件名都是 "table{i}.csv" 的格式,其中 i 的取值范围是 1 到 3。我们使用 pandas 的 read_csv 函数来读入每个表格,并使用 iloc 函数选择第 1 列到第 4 列,即指定数值列,然后使用 mean 函数计算均值,并将均值添加到名为 mean_list 的列表中。最后,我们将均值列表构造成一个新的 dataframe,并将其命名为 df_mean,最终输出整个均值 dataframe。
相关问题
计算dataframe某一列均值
可以使用 pandas 库中的 `mean()` 方法计算 DataFrame 中某一列的均值。假设你的 DataFrame 名称为 `df`,要计算列名为 `column_name` 的均值,可以使用以下代码:
```python
mean_value = df['column_name'].mean()
```
其中,`mean()` 方法会自动忽略 NaN 值。如果需要包括 NaN 值,则可以使用 `mean(skipna=False)` 方法。
dataframe的apply如何根绝每一行的多个列计算
在 `apply` 方法中,可以通过设置 `axis=1` 参数对每一行的多个列进行计算。在函数中,可以通过行索引和列名来获取每一个需要计算的值。下面是一个示例代码,它将对 DataFrame 的每一行的多个列进行计算:
```
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9]
})
# 定义一个函数,对每一行多个列进行计算
def func(row):
return row['A'] * row['B'] + row['C']
# 对每一行多个列应用函数进行计算
df['D'] = df.apply(func, axis=1)
print(df)
```
执行上述代码后,输出结果如下:
```
A B C D
0 1 4 7 11
1 2 5 8 18
2 3 6 9 27
```
在上述代码中,首先定义了一个函数 `func`,该函数接受一个行向量作为输入,然后通过行索引和列名获取需要计算的值,并进行计算。接着,使用 `apply` 方法对 DataFrame 中的每一行的多个列应用 `func` 函数进行计算,得到一个 Series 对象,该 Series 对象将作为 DataFrame 的一列添加到 DataFrame 中。最后,输出新的 DataFrame。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)