pandas.DataFrame.mean#

DataFrame.mean(*, axis=0, skipna=True, numeric_only=False, **kwargs)[源代码][源代码]#

返回请求轴上值的平均值。

参数:

轴{索引 (0), 列 (1)}

要应用函数的轴。对于 Series，此参数未使用并默认为 0。

对于 DataFrame，指定 axis=None 将对两个轴应用聚合。

Added in version 2.0.0.

skipna布尔值, 默认为 True

在计算结果时排除NA/null值。

numeric_onlybool, 默认 False

只包含浮点数、整数、布尔列。

**kwargs

要传递给函数的其他关键字参数。

返回:

序列或标量: 包含描述中引用的计算值。

参见

Series.sum: 返回总和。
Series.min: 返回最小值。
Series.max: 返回最大值。
Series.idxmin: 返回最小值的索引。
Series.idxmax: 返回最大值的索引。
DataFrame.sum: 返回所请求轴上的总和。
DataFrame.min: 返回请求轴上的最小值。
DataFrame.max: 返回请求轴上的最大值。
DataFrame.idxmin: 返回所请求轴上的最小值的索引。
DataFrame.idxmax: 返回请求轴上的最大值的索引。

例子

>>> s = pd.Series([1, 2, 3])
>>> s.mean()
2.0

使用一个 DataFrame

>>> df = pd.DataFrame({'a': [1, 2], 'b': [2, 3]}, index=['tiger', 'zebra'])
>>> df
       a   b
tiger  1   2
zebra  2   3
>>> df.mean()
a   1.5
b   2.5
dtype: float64

使用 axis=1

>>> df.mean(axis=1)
tiger   1.5
zebra   2.5
dtype: float64

在这种情况下，应将 numeric_only 设置为 True 以避免出现错误。

>>> df = pd.DataFrame({'a': [1, 2], 'b': ['T', 'Z']},
...                   index=['tiger', 'zebra'])
>>> df.mean(numeric_only=True)
a   1.5
dtype: float64