pandas列平均值

你可以通过使用 Pandas 库中的 `mean()` 方法来计算 DataFrame 中每一列的平均值。例如：

import pandas as pd

# 创建一个 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
column_means = df.mean()

# 打印结果
print(column_means)

输出：

A    2.0
B    5.0
C    8.0
dtype: float64

这里的 `mean()` 方法会自动计算每一列的平均值，并返回一个 Series 对象，其中包含每一列的平均值。

相关问题

pandas求列平均值

要求一个DataFrame中每列的平均值，可以使用pandas库中的mean()函数。下面是一个示例代码：

import pandas as pd

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

# 求每列的平均值
mean_values = df.mean()
print(mean_values)

运行以上代码，输出结果为：

A    2.0
B    5.0
C    8.0
dtype: float64

以上代码中，我们首先导入了pandas库，并创建了一个示例的DataFrame。然后使用mean()函数对DataFrame进行操作，得到每列的平均值。最后打印输出结果。

pandas 列中含缺失值求列平均值

如果 Pandas 列中含有缺失值，你可以使用 `mean()` 方法的 `skipna` 参数来计算不包括缺失值的平均值。默认情况下，`skipna` 参数的值为 True，表示在计算平均值时跳过缺失值。例如：

import pandas as pd
import numpy as np

# 创建一个带有缺失值的 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, 6], 'C': [7, 8, 9]})

# 计算每一列的平均值（跳过缺失值）
column_means = df.mean(skipna=True)

# 打印结果
print(column_means)

输出：

A    1.5
B    5.0
C    8.0
dtype: float64

这里的 `mean()` 方法会自动跳过缺失值，并计算每一列的平均值。如果你想计算包括缺失值的平均值，可以将 `skipna` 参数的值设置为 False。