[已解决]pandas 求平均值的问题，请大师帮忙，谢谢

futui

data = {"A":['5','95','0.43','86.33','84.17','95','72.81','69.93','95','83.86','64.11','','89.16','','','0.11','','89.92','96','34.82','79.88','79.54','86.35','16.65','87.72'],
"B":['0','0','0','-8.67','-3.61','0','-6.49','0','0','0','0','','-1.35','','','0','','-8.34','0','0','0','-9.72','0','0','-7.28']}

df = pd.DataFrame(data)

求A列的平均数
求B列  大于0的个数，等于0的个数，小于0的个数，为空的个数

由于A列有空格，下面这句求均值用不了，求大师帮忙，谢谢
cw_average = df_download['A'].mean()

最佳答案

月排行榜 / 总排行榜

isdkz

2023-4-8 22:28:24

您好，要计算 Pandas DataFrame 中某一列的平均值，可以使用 mean() 方法。在您的例子中，您可以使用以下代码计算 A 列的平均值：

import pandas as pd

data = {"A":['5','95','0.43','86.33','84.17','95','72.81','69.93','95','83.86','64.11','','89.16','','','0.11','','89.92','96','34.82','79.88','79.54','86.35','16.65','87.72'],
"B":['0','0','0','-8.67','-3.61','0','-6.49','0','0','0','0','','-1.35','','','0','','-8.34','0','0','0','-9.72','0','0','-7.28']}

df = pd.DataFrame(data)

# 计算 A 列的平均值
A_average = df['A'].astype(float).mean()
print(A_average)

在这个例子中，我们首先使用 astype() 方法将 A 列中的字符串转换为浮点数，然后再使用 mean() 方法计算平均值。

要计算 B 列中大于、等于、小于和为空的元素的数量，可以使用 value_counts() 方法，例如：

# 计算 B 列中大于、等于、小于和为空的元素的数量
greater_than_zero = (df['B'].astype(float) > 0).sum()
equals_zero = (df['B'].astype(float) == 0).sum()
less_than_zero = (df['B'].astype(float) < 0).sum()
null_values = df['B'].isnull().sum()

print(greater_than_zero)
print(equals_zero)
print(less_than_zero)
print(null_values)

在这个例子中，我们首先使用 astype() 方法将 B 列中的字符串转换为浮点数，然后使用比较运算符和 sum() 方法计算大于、等于、小于零的元素的数量，最后使用 isnull() 方法和 sum() 方法计算空值的数量。

跳转到最佳答案楼层

isdkz

您好，要计算 Pandas DataFrame 中某一列的平均值，可以使用 mean() 方法。在您的例子中，您可以使用以下代码计算 A 列的平均值：

import pandas as pd

data = {"A":['5','95','0.43','86.33','84.17','95','72.81','69.93','95','83.86','64.11','','89.16','','','0.11','','89.92','96','34.82','79.88','79.54','86.35','16.65','87.72'],
"B":['0','0','0','-8.67','-3.61','0','-6.49','0','0','0','0','','-1.35','','','0','','-8.34','0','0','0','-9.72','0','0','-7.28']}

df = pd.DataFrame(data)

# 计算 A 列的平均值
A_average = df['A'].astype(float).mean()
print(A_average)

在这个例子中，我们首先使用 astype() 方法将 A 列中的字符串转换为浮点数，然后再使用 mean() 方法计算平均值。

要计算 B 列中大于、等于、小于和为空的元素的数量，可以使用 value_counts() 方法，例如：

# 计算 B 列中大于、等于、小于和为空的元素的数量
greater_than_zero = (df['B'].astype(float) > 0).sum()
equals_zero = (df['B'].astype(float) == 0).sum()
less_than_zero = (df['B'].astype(float) < 0).sum()
null_values = df['B'].isnull().sum()

print(greater_than_zero)
print(equals_zero)
print(less_than_zero)
print(null_values)

在这个例子中，我们首先使用 astype() 方法将 B 列中的字符串转换为浮点数，然后使用比较运算符和 sum() 方法计算大于、等于、小于零的元素的数量，最后使用 isnull() 方法和 sum() 方法计算空值的数量。