dataframe，如何将列B和列C的平均值生成列E

可以使用 Pandas 的 DataFrame 的 mean() 方法来计算列 B 和列 C 的平均值，然后将结果赋值给列 E。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]
})

# 计算平均值并赋值给列 E
df['E'] = (df['B'] + df['C']) / 2

print(df)

输出：

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

注意，这里假设列 B 和列 C 的长度相同。如果长度不同，还需要对缺失值进行处理。

相关问题

dataframe，如何将列B和列C和列D的平均值生成列E，其中列B、C有缺失值

可以使用pandas库中的fillna()方法来填充列B和列C的缺失值，然后再计算列B、C、D的平均值生成列E。

具体步骤如下：

1. 导入pandas库：

import pandas as pd

2. 创建DataFrame，并填充缺失值：

df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 3, None, 5, None],
                   'C': [3, None, 4, None, 6],
                   'D': [4, 5, 6, 7, 8]})
df.fillna(value=0, inplace=True)  # 将缺失值填充为0

3. 计算列B、C、D的平均值生成列E：

df['E'] = (df['B'] + df['C'] + df['D']) / 3

完整代码如下：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 3, None, 5, None],
                   'C': [3, None, 4, None, 6],
                   'D': [4, 5, 6, 7, 8]})
df.fillna(value=0, inplace=True)  # 将缺失值填充为0
df['E'] = (df['B'] + df['C'] + df['D']) / 3
print(df)

输出结果：

   A    B    C  D         E
0  1  2.0  3.0  4  3.000000
1  2  3.0  0.0  5  2.666667
2  3  0.0  4.0  6  3.333333
3  4  5.0  0.0  7  4.000000
4  5  0.0  6.0  8  4.666667

dataframe 所有列取平均值

要计算DataFrame中所有列的平均值，你可以使用`mean()`函数。以下是计算DataFrame所有列平均值的代码示例：

df.mean()

这将返回一个包含每列平均值的Series对象。每列的平均值将根据数据类型进行计算。如果你只想计算数值列的平均值，可以使用`select_dtypes()`函数来选择数值列，然后再应用`mean()`函数：

df.select_dtypes(include='number').mean()

这将返回数值列的平均值。