我无法得到熊猫列的平均值或平均值。A有一个数据框架。下面我尝试的两种方法都没有给出列权值的平均值
>>> allDF
ID birthyear weight
0 619040 1962 0.1231231
1 600161 1963 0.981742
2 25602033 1963 1.3123124
3 624870 1987 0.94212
下面返回多个值，而不是一个:
allDF[['weight']].mean(axis=1)
这个也一样:
allDF.groupby('weight').mean()
当前回答
请注意，它首先需要是数值数据类型。
import pandas as pd
df['column'] = pd.to_numeric(df['column'], errors='coerce')
接下来，使用describe()找到一列或所有数字列的平均值。
df['column'].mean()
df.describe()
来自describe的结果示例:
column
count 62.000000
mean 84.678548
std 216.694615
min 13.100000
25% 27.012500
50% 41.220000
75% 70.817500
max 1666.860000
其他回答
如果你只想要权重列的平均值，选择该列(它是一个Series)并调用.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.loc[:, 'weight'].mean()
Out[480]: 0.83982437500000007
你可以使用下面两种说法中的任何一种:
numpy.mean(df['col_name'])
# or
df['col_name'].mean()
你可以使用agg (aggregate)方法:
df.agg('mean')
可以应用多个统计数据:
df.agg(['mean', 'max', 'min'])
请注意，它首先需要是数值数据类型。
import pandas as pd
df['column'] = pd.to_numeric(df['column'], errors='coerce')
接下来，使用describe()找到一列或所有数字列的平均值。
df['column'].mean()
df.describe()
来自describe的结果示例:
column
count 62.000000
mean 84.678548
std 216.694615
min 13.100000
25% 27.012500
50% 41.220000
75% 70.817500
max 1666.860000
你可以简单地选择: df.describe () 这将为你提供所有你需要的相关细节，但要找到特定列的最小值，最大值或平均值(在你的情况下说“权重”)，使用:
df['weights'].mean(): For average value
df['weights'].max(): For maximum value
df['weights'].min(): For minimum value
