Python | Pandas dataframe.mean ()

| | | | | | | | | | |

Функция Pandas dataframe.mean() возвращает среднее значение для запрошенной оси. Если метод применяется к объекту серии панда, метод возвращает скалярное значение, которое является средним значением всех наблюдений во фрейме данных. При применении к объекту данных pandas метод возвращает объект серии pandas, который содержит среднее значение по указанной оси.

Синтаксис: DataFrame.mean (ось = None , skipna = None, level = None, numeric_only = None, ** kwargs)

Параметры:
ось: {index (0) , столбцы (1)}
пропустить: Исключить NA / нулевые значения ‚Äã‚Äãпри вычислении результата

уровень: Если ось MultiIndex (иерархический), подсчет по определенному уровню, свертывание в Series

numeric_only: Включить только столбцы с плавающей запятой, int, логические значения. Если нет, будет пытаться использовать все, а затем использовать только числовые данные. Не реализовано для Series.

Возвращает: означает: Series или DataFrame (если указан уровень)

Пример № 1: Используйте функцию mean() , чтобы найти среднее значение всех наблюдений вдоль оси индекса.


# импортировать панд как pd

import панды как pd


# Создать фрейм данных

df = pd.DataFrame ({ "A" : [ 12 , 4 , 5 , 44 , 1 ],

"B" : [ 5 , 2 , 54 , 3 , 2 ],

"C" : [ 20 , 16 , 7 , 3 , 8 ],

"D" : [ 14 , <класс кода = "value"> 3 , 17 , 2 , 6 ]})


# Печать фрейма данных
df

Используем dataframe.mean () функция для нахождения среднего значения по оси индекса.


# Даже если мы не указываем ось = 0,
# метод вернет среднее значение
# индексная ось по умолчанию

df.mean (axis = 0 )

Вывод:

Пример № 2: Используйте mean () для фрейма данных, имеющего значения Na . Также найдите среднее значение вдоль оси столбца.


# импортировать панд как pd

import pandas as pd


# Создать фрейм данных

df = pd.DataFrame ({ "A" : [ 12 , 4 , 5 , None , 1 ],

"B" : [ 7 , 2 , 54 , 3 , Нет ],

"C" : [ 20 , 16 , 11 , 3 , 8 ] ,.

"D" : [ 14 , 3 , Нет , 2 , 6 ]})


# пропустить значения Na ‚Äã‚Äã при поиске среднего

df.mean (axis = 1 , skipna = True )

Вывод: