pandy otrzymują średnią / średnią w kolumnie

Nie mogę uzyskać średniej lub średniej kolumny w pandach. Mają ramkę danych. Żadna z rzeczy, które wypróbowałem poniżej, nie daje mi średniej z kolumnyweight

>>> allDF 
         ID           birthyear  weight
0        619040       1962       0.1231231
1        600161       1963       0.981742
2      25602033       1963       1.3123124     
3        624870       1987       0.94212

Poniższe zwraca kilka wartości, a nie jedną:

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

Czyli to:

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

Jeśli chcesz tylko średnią z weightkolumny, wybierz kolumnę (która jest serią) i wywołaj .mean():

In [479]: df
Out[479]: 
         ID  birthyear    weight
0    619040       1962  0.123123
1    600161       1963  0.981742
2  25602033       1963  1.312312
3    624870       1987  0.942120

In [480]: df["weight"].mean()
Out[480]: 0.83982437500000007

Spróbuj df.mean(axis=0), axis=0argument oblicza średnią kolumnową ramki danych, więc wynik będzie axis=1średnią wierszową, więc otrzymujesz wiele wartości.

Spróbuj dać print (df.describe())szansę. Mam nadzieję, że uzyskanie ogólnego opisu ramki danych będzie bardzo pomocne.

możesz użyć

df.describe() 

otrzymasz podstawowe statystyki ramki danych i średnią z określonej kolumny, której możesz użyć

df["columnname"].mean()

Możesz również uzyskać dostęp do kolumny za pomocą notacji z kropkami (nazywanej również dostępem do atrybutów), a następnie obliczyć jej średnią:

df.your_column_name.mean()

Średnia dla każdej kolumny w df:

    A   B   C
0   5   3   8
1   5   3   9
2   8   4   9

df.mean()

A    6.000000
B    3.333333
C    8.666667
dtype: float64

a jeśli chcesz średnią ze wszystkich kolumn:

df.stack().mean()
6.0

Dodatkowo, jeśli chcesz uzyskać roundwartość po znalezieniu mean.

#Create a DataFrame
df1 = {
    'Subject':['semester1','semester2','semester3','semester4','semester1',
               'semester2','semester3'],
   'Score':[62.73,47.76,55.61,74.67,31.55,77.31,85.47]}
df1 = pd.DataFrame(df1,columns=['Subject','Score'])

rounded_mean = round(df1['Score'].mean()) # specified nothing as decimal place
print(rounded_mean) # 62

rounded_mean_decimal_0 = round(df1['Score'].mean(), 0) # specified decimal place as 0
print(rounded_mean_decimal_0) # 62.0

rounded_mean_decimal_1 = round(df1['Score'].mean(), 1) # specified decimal place as 1
print(rounded_mean_decimal_1) # 62.2

Możesz użyć jednego z dwóch poniższych stwierdzeń:

numpy.mean(df['col_name'])
# or
df['col_name'].mean()

You can easily followthe following code
    `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())

Możesz po prostu przejść do: df.describe (), która dostarczy Ci wszystkich istotnych informacji, których potrzebujesz, ale aby znaleźć minimalną, maksymalną lub średnią wartość danej kolumny (powiedz „wagi” w twoim przypadku), użyj:

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