熊猫获得列平均值/平均值

155

我无法获得熊猫列的平均值或均值。有一个数据框。我在下面尝试的任何事情都没有给我该列的平均值weight

>>> allDF 
         ID           birthyear  weight
0        619040       1962       0.1231231
1        600161       1963       0.981742
2      25602033       1963       1.3123124     
3        624870       1987       0.94212

以下返回几个值，而不是一个：

allDF[['weight']].mean(axis=1)

这样：

allDF.groupby('weight').mean()

python pandas

— 意大利辣香肠比萨饼
source

如何获取数据框列值的平均值的

— Jeru Luke

df.groupby('weight')并不是您想要的，因为它会将df分为不同的列，每列都有不同的权重值。df['weight'].mean()

— 而不

allDF。

— weight.mean

265

如果您只想要weight列的均值，请选择列（这是一个系列），然后调用.mean()：

In [479]: df
Out[479]: 
         ID  birthyear    weight
0    619040       1962  0.123123
1    600161       1963  0.981742
2  25602033       1963  1.312312
3    624870       1987  0.942120

In [480]: df["weight"].mean()
Out[480]: 0.83982437500000007

— 帝斯曼
source

1

如果我想获得每一列的平均值怎么办？

— 克里斯（Chris

3

@Chris df.describe（）

— Abhishek Poojary '18

2

@Chris df.mean（）为您提供每一列的权重，并按系列返回。

— emschorsch '19

24

Try df.mean(axis=0)，axis=0参数计算数据帧的列均值，因此结果将axis=1是行均值，因此您将获得多个值。

— 昌都
source

13

尝试尝试一下print (df.describe())。希望对您的数据框有一个总体描述会很有帮助。

— 气压计
source

1

display(df.describe())更好（在Jupyter Notebooks中），因为displayipython提供了格式化的HTML而不是ASCII，这在视觉上更加有用/令人愉悦。

— 陈占文

6

您可以使用

df.describe()

您将获得数据框的基本统计信息并获取可以使用的特定列的平均值

df["columnname"].mean()

— 阿伦·辛格
source

1

这是上述答案的重复。

— Mehdi Boukhechba '18

6

您还可以使用点表示法访问列（也称为属性访问），然后计算其均值：

df.your_column_name.mean()

— 尼科斯·塔沃拉利斯（Nikos Tavoularis）
source

4

每列中的均值 df：

    A   B   C
0   5   3   8
1   5   3   9
2   8   4   9

df.mean()

A    6.000000
B    3.333333
C    8.666667
dtype: float64

以及是否要平均所有列：

df.stack().mean()
6.0

— 哈维
source

1

另外，如果要round在找到以后获取值mean。

#Create a DataFrame
df1 = {
    'Subject':['semester1','semester2','semester3','semester4','semester1',
               'semester2','semester3'],
   'Score':[62.73,47.76,55.61,74.67,31.55,77.31,85.47]}
df1 = pd.DataFrame(df1,columns=['Subject','Score'])

rounded_mean = round(df1['Score'].mean()) # specified nothing as decimal place
print(rounded_mean) # 62

rounded_mean_decimal_0 = round(df1['Score'].mean(), 0) # specified decimal place as 0
print(rounded_mean_decimal_0) # 62.0

rounded_mean_decimal_1 = round(df1['Score'].mean(), 1) # specified decimal place as 1
print(rounded_mean_decimal_1) # 62.2

— Tanvir Raihan博士
source

1

您可以使用以下两个语句之一：

numpy.mean(df['col_name'])
# or
df['col_name'].mean()

— 大卫比拉
source

请用适当的评论丰富您的答案。否则，它很可能会被标记为删除

— 唐

0

You can easily followthe following code
    `import pandas as pd 
    import numpy as np 

    classxii = {'Name':['Karan','Ishan','Aditya','Anant','Ronit'],
        'Subject':['Accounts','Economics','Accounts','Economics','Accounts'],
        'Score':[87,64,58,74,87],
        'Grade':['A1','B2','C1','B1','A2']}
    df = pd.DataFrame(classxii,index = ['a','b','c','d','e'],columns=['Name','Subject','Score','Grade'])
    print(df)
    #use the below for mean if you already have a dataframe
print('mean of score is:')
print(df[['Score']].mean())

— 猎人
source

0

您可以简单地进行以下操作：df.describe（）将为您提供所需的所有相关详细信息，但是要查找特定列的最小值，最大值或平均值（在您的情况下为“权重”），请使用：

    df['weights'].mean(): For average value
    df['weights'].max(): For maximum value
    df['weights'].min(): For minimum value

— 莎贡·莎玛
source