Pandas DataFrame DataFrame.mean() 函式
Suraj Joshi
2023年1月30日
-
pandas.DataFrame.mean()語法 -
示例程式碼：
DataFrame.mean()方法沿列軸尋找平均值 -
示例程式碼：
DataFrame.mean()方法沿行軸尋找平均值 -
示例程式碼：
DataFrame.mean()方法忽略NaN值來尋找平均值
Python Pandas DataFrame.mean() 函式計算 DataFrame 物件在指定軸上的值的平均值。
pandas.DataFrame.mean() 語法
DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
引數
axis |
沿行(axis=0)或列(axis=1)求平均數 |
skipna |
布林型。排除 NaN 值(skipna=True)或包含 NaN 值(skipna=False) |
level |
如果軸為 MultiIndex，則沿特定級別計數 |
numeric_only |
布林型。對於 numeric_only=True，只包括 float、int 和 boolean 列 |
**kwargs |
函式的附加關鍵字引數 |
返回值
如果沒有指定 level，則返回請求軸的平均值的 Series，否則返回平均值的 DataFrame。
示例程式碼：DataFrame.mean() 方法沿列軸尋找平均值
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
means=df.mean()
print("Means of Each Column:")
print(means)
輸出：
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Means of Each Column:
X 2.00
Y 4.75
dtype: float64
計算 X 和 Y 兩列的平均數，最後返回一個包含每列平均數的 Series 物件。
在 Pandas 中，如果要找到 DataFrame 中某一列的平均數，我們只呼叫該列的 mean() 函式。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
means=df["X"].mean()
print("Mean of Column X:")
print(means)
輸出：
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Mean of Column X:
2.0
它只給出 DataFrame 中 X 列數值的平均值。
示例程式碼： DataFrame.mean() 方法沿行軸尋找平均值
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
means=df.mean(axis=1)
print("Mean of Rows:")
print(means)
輸出：
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Mean of Rows:
0 2.5
1 2.5
2 5.0
3 3.5
dtype: float64
它計算所有行的平均值，最後返回一個包含每行平均值的 Series 物件。
在 Pandas 中，如果要找到 DataFrame 中某一行的均值，我們只呼叫 mean() 函式來計算這一行的均值。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, 2, 3],
'Y': [4, 3, 8, 4]})
print("DataFrame:")
print(df)
mean=df.iloc[[0]].mean(axis=1)
print("Mean of 1st Row:")
print(mean)
輸出：
DataFrame:
X Y
0 1 4
1 2 3
2 2 8
3 3 4
Mean of 1st Row:
0 2.5
dtype: float64
它只給出 DataFrame 中第一行數值的平均值。
我們使用 iloc 方法根據索引選擇行。
示例程式碼：DataFrame.mean() 方法忽略 NaN 值來尋找平均值
我們使用 skipna 引數的預設值，即 skipna=True 來尋找 DataFrame 沿指定軸的平均值，忽略 NaN 值。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, None, 3],
'Y': [4, 3, None, 4]})
print("DataFrame:")
print(df)
means=df.mean(skipna=True)
print("Mean of Columns")
print(means)
輸出：
DataFrame:
X Y
0 1.0 4.0
1 2.0 3.0
2 NaN NaN
3 3.0 4.0
Mean of Columns
X 2.000000
Y 3.666667
dtype: float64
如果我們設定 skipna=True，它將忽略 DataFrame 中的 NaN。它允許我們沿列軸計算 DataFrame 的平均值，忽略 NaN 值。
import pandas as pd
df = pd.DataFrame({'X': [1, 2, None, 3],
'Y': [4, 3, 3, 4]})
print("DataFrame:")
print(df)
means=df.mean(skipna=False)
print("Mean of Columns")
print(means)
輸出：
DataFrame:
X Y
0 1.0 4
1 2.0 3
2 NaN 3
3 3.0 4
Mean of Columns
X NaN
Y 3.5
dtype: float64
在這裡，我們得到了列 X 的平均值的 NaN 值，因為列 X 中存在 NaN 值。
作者： Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn