Python 获取列平均值/平均值

我无法得到熊猫栏的平均值或平均值。A有一个数据帧。下面我尝试的两种方法都没有给出列的平均重量

以下内容返回多个值，而不是一个值：

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

这也是：

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

---

如果只需要“权重”列的平均值，请选择一个系列的列并调用。平均值：

试着给打印df。描述一个镜头。我希望获得数据帧的总体描述将非常有用。

尝试df。meanaxis=0，axis=0参数计算数据帧的列平均值，因此结果将是axis=1是行平均值，因此您将获得多个值。

您可以使用

df.describe() 

df["columnname"].mean()

您将获得数据帧的基本统计信息，并获得您可以使用的特定列的平均值

df.describe() 

df["columnname"].mean()

---

您还可以使用点表示法（也称为属性访问）访问列，然后计算其平均值：

df.your_column_name.mean()

df中每列的平均值：

如果需要所有列的平均值：

df.stack().mean()
6.0

---

您可以使用以下两种语句之一：

numpy.meandf['col_name'] 或 df['col_name']。指

---

您可以轻松地遵循以下代码

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())

---

此外，如果要在找到平均值后获得舍入值

您可以选择： 描述 这将为您提供所需的所有相关详细信息，但要找到特定列的最小值、最大值或平均值（如“权重”），请使用：

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

---

请注意，它首先需要是数字数据类型

 import pandas as pd
 df['column'] = pd.to_numeric(df['column'], errors='coerce')

接下来，使用descripe查找一列或所有数值列的平均值

描述的结果示例：

          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

---

为此，您只需遵循以下语法：

df.['columnName'].mean()

---

groupby'weight'不是您想要的，因为它将df拆分为单独的列，每个列都有不同的权重值。而不仅仅是df['weight']，意思是所有的df。如果我想得到每一列的平均值呢？@Chris df。describe@Chrisdf.mean为您提供每列的权重，并以系列形式返回。这是上述答案的副本。displaydf.Descripte在Jupyter笔记本中更好，因为ipython的显示提供格式化的HTML而不是ASCII，哪一个在视觉上更有用/更令人愉悦。请用适当的评论丰富您的答案。否则，它可能会被标记为删除

df['column'].mean()
df.describe()

          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

df.['columnName'].mean()