Python je skvelý jazyk na analýzu údajov, predovšetkým kvôli fantastickému ekosystému zameranému na údaje Python balíkov. pandy je jedným z týchto balíkov a značne uľahčuje import a analýzu údajov.
Pandas DataFrame mean()
pandy dataframe.mean() funkcia vráti priemer hodnôt pre požadovanú os. Ak sa metóda použije na objekt série pandy, metóda vráti skalárnu hodnotu, ktorá je strednou hodnotou všetkých pozorovaní v Dátový rámec Pandas . Ak je metóda aplikovaná na objekt Pandas Dataframe, metóda vráti a Séria Pandy objekt, ktorý obsahuje priemer hodnôt na zadanej osi.
Syntax: DataFrame.mean(axis=0, skipna=True, level=None, numeric_only=False, **kwargs)
parametre:
- os: {index (0), stĺpce (1)}{101}
- objednať : Pri výpočte výsledku vylúčte hodnoty NA/null
- úroveň: Ak je os MultiIndex (hierarchická), počítajte pozdĺž konkrétnej úrovne a zbaľte sa do série
- numeric_only : Zahrňte iba stĺpce float, int, boolean. Ak Žiadne, pokúsi sa použiť všetko, potom použite iba číselné údaje. Neimplementované pre sériu.
Návraty: znamená: Séria alebo DataFrame (ak je úroveň špecifikovaná)
javafx tutoriál
Pandas DataFrame.mean() Príklady
Príklad 1:
Použite funkciu mean() na nájdenie priemeru všetkých pozorovaní na indexovej osi.
Python # importing pandas as pd import pandas as pd # Creating the dataframe df = pd.DataFrame({'A':[12, 4, 5, 44, 1], 'B':[5, 2, 54, 3, 2], 'C':[20, 16, 7, 3, 8], 'D':[14, 3, 17, 2, 6]}) # Print the dataframe df> 
Použime funkciu Dataframe.mean() na nájdenie priemeru na osi indexu.
Python
# Even if we do not specify axis = 0, # the method will return the mean over # the index axis by default df.mean(axis = 0)>
Výkon:
Príklad 2:
Použite funkciu mean() na dátovom rámci, ktorý nemá žiadne hodnoty. Nájdite tiež priemer nad osou stĺpca.
Python # importing pandas as pd import pandas as pd # Creating the dataframe df = pd.DataFrame({'A':[12, 4, 5, None, 1], 'B':[7, 2, 54, 3, None], 'C':[20, 16, 11, 3, 8], 'D':[14, 3, None, 2, 6]}) # skip the Na values while finding the mean df.mean(axis = 1, skipna = True)> Výkon:
