python dataframe求平均值

### 回答1：
使用Python中的DataFrame可以很方便地求平均值。可以使用mean()函数来计算DataFrame中每列的平均值，也可以使用apply()函数来计算DataFrame中每行或每列的平均值。例如：

1. 计算每列的平均值：

import pandas as pd

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

# 计算每列的平均值
mean = df.mean()

print(mean)

输出结果为：

A    2.
B    5.
C    8.
dtype: float64

2. 计算每行的平均值：

import pandas as pd

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

# 计算每行的平均值
mean = df.apply(lambda x: x.mean(), axis=1)

print(mean)

输出结果为：

    4.
1    5.
2    6.
dtype: float64

以上就是使用Python DataFrame求平均值的方法。

### 回答2：
Pandas作为Python中的一个重要数据处理库，提供了丰富的数据结构和操作方法。其中，DataFrame是Pandas的重要数据结构之一，它类似于Excel表格的形式，能够统一处理数据的操作。本文将介绍如何使用Python中的DataFrame求平均值。

首先，在Python中导入Pandas库，并读取需要处理的数据。可以使用read_csv函数读取一个csv文件，如下所示：

import pandas as pd

data = pd.read_csv('data.csv')

其中data.csv是需要处理的文件名。读取完成后，我们可以使用head方法查看数据的前5行，以便了解数据的结构和内容。

接下来，使用mean方法求出DataFrame中所有列的平均值。mean方法默认会对每一列进行操作，并返回每一列的平均值。示例代码如下：

mean_values = data.mean()
print(mean_values)

其中mean_values是平均值的结果，它可以作为Series对象来进行操作，如索引等。

如果只需要求某一列的平均值，在mean方法中传入对应的列名即可，示例代码如下：

mean_value = data['column_name'].mean()
print(mean_value)

其中column_name是需要求平均值的列名，mean_value是该列的平均值结果。

需要注意的是，如果DataFrame中存在缺失值，mean方法会自动忽略缺失值。如果需要考虑缺失值，可以设置skipna参数为False。

综上所述，使用Python中的DataFrame求平均值非常简单，只需要使用Pandas提供的mean方法即可，而且支持对所有列和特定列的求平均值操作。

### 回答3：
Python是一种非常流行的编程语言，其数据处理库pandas中的DataFrame是数据分析和处理中常用的数据结构。数据分析中经常需要对数据进行统计分析，求取平均值是其中的一个常见需求。下面将介绍如何使用Python的DataFrame求取平均值。

首先需要了解如何创建一个DataFrame的实例以及如何读取数据。使用pandas中的read_csv函数可以读取csv文件并将其转换为DataFrame格式。例如：

import pandas as pd

df = pd.read_csv('data.csv')

假设data.csv文件中有三列数据，分别为姓名、年龄和体重，那么读取后的DataFrame实例df可以使用以下语句输出DataFrame的前5行数据：

print(df.head())

接下来需要使用DataFrame中的mean函数求取各列数据的平均值。DataFrame的mean函数默认求取每列数据的平均值，可以使用以下代码获取：

df_mean = df.mean()
print(df_mean)

输出结果为每列数据的平均值。

如果需要求取某一列数据的平均值，可以使用以下代码：

column_mean = df['column_name'].mean()
print(column_mean)

其中column_name为需要求取平均值的列名。

使用Python的pandas库中的DataFrame可以方便地进行数据处理和统计分析，求取平均值只是其中的一个简单示例。对于更复杂的统计分析需求，也可以使用pandas提供的各种接口和库，如numpy、matplotlib等进行处理和可视化分析。