pandas读取csv指定列后计算平均值

读取CSV文件中的指定列后，可以使用Pandas提供的mean函数来计算平均值。以下是一个示例代码，在读取CSV文件中的第2列和第4列后，计算它们的平均值：

import pandas as pd

df = pd.read_csv("your_file.csv", usecols=[1, 3])
avg_col2 = df.iloc[:, 0].mean() # 计算第2列的平均值
avg_col4 = df.iloc[:, 1].mean() # 计算第4列的平均值

在上面的代码中，我们使用iloc函数来选择DataFrame中的列。例如，df.iloc[:, 0]表示选择所有行的第1列（从0开始计数）。然后，我们使用mean函数来计算所选列的平均值。最后，avg_col2和avg_col4分别表示第2列和第4列的平均值。

相关问题

pandas读取csv指定列后计算平均值后返回原有csv文件中

在Python的pandas库中，你可以使用`read_csv`函数读取CSV文件，然后通过选择特定列并计算平均值，最后再将结果合并回原文件。以下是一个简单的步骤说明：

1. 首先，你需要导入pandas库：

import pandas as pd

2. 使用`read_csv`函数读取CSV文件，并指定需要的列名（如果列名是字符串，注意引号包围）：

data = pd.read_csv('your_file.csv', usecols=['column1', 'column2'])  # 用实际的列名替换'column1' and 'column2'

这里`usecols`参数用于选择你需要处理的列。

3. 计算选定列的平均值：

mean_values = data[['column1', 'column2']].mean()

同样，这里的`mean()`函数对每一列求平均值。

4. 将平均值添加到原始数据框中，通常是作为新的行或列插入：

# 如果你想添加一行，可以使用DataFrame的append()方法
data_with_mean = data.append(mean_values, ignore_index=True)

# 或者如果你想作为一个新列放在现有数据框末尾，可以这样做：
data_with_mean['Mean'] = mean_values

5. 最后，你可以选择保存这个包含平均值的新数据框回CSV文件：

data_with_mean.to_csv('new_file.csv', index=False)  # 'new_file.csv'将是新的文件名

pandas读取两个csv指定列后计算对应列的的平均值

读取两个CSV文件中的指定列后，可以使用Pandas提供的merge函数将它们合并成一个DataFrame，然后再计算对应列的平均值。以下是一个示例代码，在读取CSV文件中的第2列和第4列后，计算它们的平均值：

import pandas as pd

df1 = pd.read_csv("your_file1.csv", usecols=[1, 3])
df2 = pd.read_csv("your_file2.csv", usecols=[2, 4])

merged_df = pd.merge(df1, df2, left_index=True, right_index=True) # 合并两个DataFrame
avg_col2 = merged_df.iloc[:, 0].mean() # 计算第1列的平均值
avg_col4 = merged_df.iloc[:, 1].mean() # 计算第3列的平均值

在上面的代码中，我们首先使用read_csv函数读取两个CSV文件中的指定列，然后使用merge函数将它们合并成一个DataFrame。merge函数的left_index和right_index参数设为True，表示使用DataFrame的索引作为连接键。接着，我们使用iloc函数选择所需的列，并使用mean函数计算它们的平均值。注意，第1列对应的是merged_df的第0列，第3列对应的是merged_df的第1列。最后，avg_col2和avg_col4分别表示第2列和第4列的平均值。