Pandas 均值和求和

在数据分析和处理中，计算列或行的平均值和求和是一个常见的操作，这些操作也称为聚合操作。Pandas库提供了许多内置函数来执行这些聚合操作。本文将介绍如何使用Pandas计算均值和求和。

数据读取

首先，需要下载并安装pandas包。可以在命令行中使用以下命令来安装它：

pip install pandas

接下来，为了演示均值和求和的使用，让我们首先创建一个简单的数据集。可以使用以下代码来创建：

import pandas as pd
import numpy as np

data = {
    'name': ['John', 'David', 'Jack', 'Sarah', 'Jane'],
    'age': [25, 23, 30, 18, 21],
    'salary': [50000, 45000, 60000, 30000, 35000]
}

df = pd.DataFrame(data)
print(df)

此代码将创建一个包含5个条目的数据集，每个条目都包含一个人的姓名、年龄和薪水。

求和操作

我们可以使用Pandas的内置函数sum()来计算列或行中所有数的和。例如，让我们计算这个数据集中的薪水总和：

total_salary = df['salary'].sum()
print('Total salary:', total_salary)

输出结果如下：

Total salary: 235000

如果想计算每行的总和，则可以在操作axis参数使用1。例如：

total = df.sum(axis=1)
print(total)

输出结果如下：

0    50025
1    45023
2    60030
3    30018
4    35021
dtype: int64

这将返回一个新的Series对象，其中包含每个行的总和。

均值操作

就像求总和一样，Pandas也提供了mean()函数来计算列或行的平均值。例如，让我们计算数据集中的平均年龄：

average_age = df['age'].mean()
print('Average age:', average_age)

输出结果如下：

Average age: 23.4

同样，如果想计算每行的平均值，则可以在操作axis参数使用1。例如：

average = df.mean(axis=1)
print(average)

输出结果如下：

0    16675.000000
1    15007.666667
2    20010.000000
3    10006.000000
4    11673.666667
dtype: float64

这将返回一个新的Series对象，其中包含每个行的平均值。

结论

在本文中，我们介绍了Pandas的sum()和mean()函数，这些函数是执行数据分析和处理中常用的聚合操作的一部分。这些函数是Pandas库的一个重要组成部分，并且可能在大多数数据处理项目中都会用到。