python 将多列数据平均成一列数据

可以使用 `pandas` 库中的 `melt` 方法将多列数据转换为一列数据，并使用 `groupby` 和 `mean` 方法对重复值进行平均。

假设有一个 DataFrame `df`，其中列 A、B、C 均为数值型数据，需要将这三列数据平均成一列数据，可以使用以下代码：

import pandas as pd

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

# 将列 A、B、C 平均成一列数据
df = pd.melt(df, value_vars=['A', 'B', 'C'], var_name='cols', value_name='vals')
df = df.groupby('cols')['vals'].mean().reset_index()

首先使用 `melt` 方法将列 A、B、C 转换为一列数据，并将列名保存在 `cols` 列中，数值保存在 `vals` 列中。然后使用 `groupby` 方法按照 `cols` 列进行分组，并使用 `mean` 方法对重复值进行平均。最后使用 `reset_index` 方法将新生成的 DataFrame 的索引重置为默认的整数索引。

相关问题

python对一列数据分段求平均代码

假设我们有一个包含多个数值的列表，现在需要将这个列表分成若干段，每段的长度为n，然后计算每段的平均值。可以使用以下代码实现：

def average_by_segment(data, n):
    """
    对一列数据进行分段求平均
    :param data: 包含多个数值的列表
    :param n: 每段的长度
    :return: 每段的平均值组成的列表
    """
    result = []
    for i in range(0, len(data), n):
        segment = data[i:i+n]  # 获取每一段数据
        avg = sum(segment) / len(segment)  # 计算平均值
        result.append(avg)
    return result

以上代码中，average_by_segment函数接受两个参数，一个是包含多个数值的列表data，另一个是每段的长度n。函数使用了for循环来遍历列表，每一次取出一个长度为n的数据段，然后计算该段数据的平均值，并将结果添加到结果列表result中。最后，函数返回结果列表result。

下面是一个示例代码，演示如何使用average_by_segment函数对一个包含10个数值的列表进行分段求平均，每段长度为3：

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
result = average_by_segment(data, 3)
print(result)  # 输出结果：[2.0, 5.0, 8.0]

以上代码输出了每段数据的平均值，结果为[2.0, 5.0, 8.0]。这是因为，列表data被分成了3段，分别是[1, 2, 3]、[4, 5, 6]和[7, 8, 9]，每段数据的平均值分别为2.0、5.0和8.0。

python读取csv文件中的多列数据并计算各列平均值

好的，你可以使用 Python 中的 pandas 库来读取 CSV 文件和计算平均值。以下是一个示例代码：

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('your_file.csv')

# 选择需要计算平均值的列，这里我们选择第一列和第二列
cols = ['col1', 'col2']
data = df[cols]

# 计算平均值
means = data.mean()

print(means)

你可以将 `your_file.csv` 替换成你自己的 CSV 文件名，将 `col1` 和 `col2` 替换成你需要计算平均值的列名。最后，`means` 将会是一个包含每列平均值的 Series。