Python 如何获得dataframe列值的平均值

假设我有上面的数据框。获取具有相同索引（即a列和B列的平均值）的序列的最简单方法是什么？平均值需要忽略NaN值。问题在于，该解决方案需要灵活地向数据帧添加新列

最近的一次是

                    A        B
DATE                 
2013-05-01        473077    71333
2013-05-02         35131    62441
2013-05-03           727    27381
2013-05-04           481     1206
2013-05-05           226     1733
2013-05-06           NaN     4064
2013-05-07           NaN    41151
2013-05-08           NaN     8144
2013-05-09           NaN       23
2013-05-10           NaN       10

但是，这似乎并没有忽略NaN值

（注意：我对熊猫图书馆还是有点陌生，所以我猜有一种明显的方法可以做到这一点，而我有限的大脑根本看不见）

简单地使用

df.mean（）

将对NaNs做正确的事情（tm）：

df.sum(axis=1) / len(df.columns)

---

如果还有其他列可以忽略，你可以使用

df[[“A”，“B”]].mean（axis=1）

。

阅读感谢Rachel，我很感激我必须使用df.mean（axis=1）才能正确，但感谢你让我走上正确的轨道。我想今天早上我还需要两三杯咖啡@扎菲德：嗯？这就是我上面写的。[哦，你的意思是在第一行，而不是在示例中。我在这里讨论了

df.mean

w.r.t.NaNs的行为，但我可以看出这会有多混乱。]但是mean（）不是计算中位数吗？这与平均水平不同。

>>> df
                 A      B
DATE                     
2013-05-01  473077  71333
2013-05-02   35131  62441
2013-05-03     727  27381
2013-05-04     481   1206
2013-05-05     226   1733
2013-05-06     NaN   4064
2013-05-07     NaN  41151
2013-05-08     NaN   8144
2013-05-09     NaN     23
2013-05-10     NaN     10
>>> df.mean(axis=1)
DATE
2013-05-01    272205.0
2013-05-02     48786.0
2013-05-03     14054.0
2013-05-04       843.5
2013-05-05       979.5
2013-05-06      4064.0
2013-05-07     41151.0
2013-05-08      8144.0
2013-05-09        23.0
2013-05-10        10.0
dtype: float64