DataFrame.mean函数,Pandas DataFrame.mean()详解及使用示例（8）

Pandas DataFrame.mean() 简介

本文主要介绍一下Pandas中pandas.DataFrame.mean方法的使用。在 Python 编程的 Pandas 中，可以使用 Pandas DataFrame.mean() 函数确定均值的值。此函数可以应用于series 或数据框，并且可以跨特定访问确定给定实体的平均值。

语法和参数

这是 Pandas DataFrame.mean() 的语法：

语法：

DataFrame.mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

Pandas DataFrame.mean() 的参数

下面是参数说明：

实现 Pandas DataFrame.mean() 的示例

以下是提到的一些示例：

示例#1

代码：

import pandas as pd
Core_Series = pd.Series([ 10, 20, 30, 40, 50, 60])
print("   THE CORE SERIES ")
print(Core_Series)
Mean_value_series = Core_Series.mean()
print("")
print("   THE MEAN VALUE: ",Mean_value_series)

输出：

说明：  这里最初导入的是panda’s 的库，导入的库用于创建series。series中的值以这样的方式制定，即它们是 10 到 60 的series。 mean() 方法用于确定series的平均值并将其打印到控制台。因此，在当前给定的series上，我们可以注意到平均值已生成并精确打印。

示例#2

代码：

import pandas as pd
Core_Dataframe = pd.DataFrame({'A' :  [ 1, 6, 11, 15, 21, 26],
'B' :  [2, 7, 12, 17, 22, 27],
'C' :  [3, 8, 13, 18, 23, 28],
'D' :  [4, 9, 14, 19, 24, 29],
'E' :  [5, 10, 15, 20, 25, 30]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print(type(Core_Dataframe.A[0]))
Core_Dataframe_mean_row_level = Core_Dataframe.mean(axis= 0)
Core_Dataframe_mean_column_level = Core_Dataframe.mean(axis= 1)
print("")
print("   THE CORE DATAFRAME MEAN ROW LEVEL:",Core_Dataframe_mean_row_level)
print("")
print("   THE CORE DATAFRAME MEAN COLUMN LEVEL:",Core_Dataframe_mean_column_level)

输出：

解释：  这里最初导入了panda’s 的库，导入的库用于创建形状（6,6）的数据框。数据框中的所有列都分配有按字母顺序排列的标题。数据框中的值以这样的方式表示，即它们是 1 到 n 的序列。这里创建的数据帧被通知为核心数据帧。这里以两种不同的方式确定核心数据帧的平均值。使用 mean() 方法中的轴参数来实现平均值确定的这种差异化。因此，在第一个实例中，通过将轴值设置为 0 来生成行级平均值。而在第二个实例中，通过将轴值设置为 1 来确定列级平均值。这两个实例的平均值都被精确打印到控制台。

示例#3

代码：

import pandas as pd
Core_Dataframe = pd.DataFrame({'A' :  [10, 20, 'String_Value'],
'B' :  [10, 20, 40],
'C' :  [10, 20, 50],
'D' :  [10, 'string_value', 50],
'E' :  [10, 20, None]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
Normal_Mean = Core_Dataframe.mean()
Mean_when_numeric_turned_on = Core_Dataframe.mean(numeric_only = True)
Mean_when_None_skipped = Core_Dataframe.mean(skipna = False)
print("")
print("   MEAN VALUE OF  DATAFRAME A ")
print(Normal_Mean)
print("")
print("   MEAN VALUE WHEN NON NUMERIC SKIPPED ")
print(Mean_when_numeric_turned_on)
print("")
print("   MEAN VALUE WHEN NONE ROWS ARE SKIPPED ")
print(Mean_when_None_skipped)

输出：

说明：上面例子中的整个初始操作集在这里再次重复，一旦声明了核心数据帧，数据帧中每一列的数据类型就会打印到控制台中，核心数据帧的平均值这里以三种不同的方式计算。在第一种情况下，整个数据框的平均值是在没有任何参数的情况下计算的。在第二种情况下，计算平均值时将数字设置为“true”，而在第三种情况下，计算平均值时将跳过 a 设置为false。以下过程的结果打印到控制台。

结论

pandas 中的 mean() 方法显示了以最优化的方式对数据框中的每个值应用均值运算的灵活性。它还描述了可以与 python pandas 编程的 mean() 方法相关联的分类参数集。