Python|熊猫系列.mean()
Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了许多用于执行涉及索引的操作的方法。
Pandas Series.mean()
函数返回给定 Series 对象中基础数据的平均值。
Syntax: Series.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
Parameter :
axis : Axis for the function to be applied on.
skipna : Exclude NA/null values when computing the result.
level : If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a scalar.
numeric_only : Include only float, int, boolean columns.
**kwargs : Additional keyword arguments to be passed to the function.
Returns : mean : scalar or Series (if level specified)
示例 #1:使用Series.mean()
函数查找给定系列对象中基础数据的平均值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 25, 24, 6])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
现在我们将使用Series.mean()
函数来查找给定系列对象的平均值。
# return the mean
result = sr.mean()
# Print the result
print(result)
输出 :
正如我们在输出中看到的, Series.mean()
函数已成功返回给定系列对象的平均值。示例 #2:使用Series.mean()
函数查找给定系列对象中基础数据的平均值。给定的系列对象还包含一些缺失值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, 16.8, 20.124, None, 18.1002, 19.5])
# Print the series
print(sr)
输出 :
现在我们将使用Series.mean()
函数来查找给定系列对象的平均值。我们将在计算平均值时跳过所有缺失值。
# return the mean
# skip all the missing values
result = sr.mean(skipna = True)
# Print the result
print(result)
输出 :
正如我们在输出中看到的, Series.mean()
函数已成功返回给定系列对象的平均值。