蟒蛇|熊猫系列. mean()
熊猫系列是带有轴标签的一维数组。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，并提供了一系列方法来执行涉及索引的操作。
熊猫 **Series.mean()**函数返回给定序列对象中基础数据的平均值。
语法:序列.均值(轴=无，skipna =无，级别=无，numeric_only =无，**kwargs)
参数: 轴:轴为要应用的功能。 skipna : 计算结果时排除 NA/null 值。 级别:如果轴是多索引(分层)，则沿着特定级别计数，折叠成标量。 numeric_only : 只包括 float、int、boolean 列。 **kwargs : 要传递给函数的附加关键字参数。
返回:平均值:标量或级数(如果指定了级别)
示例#1: 使用Series.mean()函数找到给定序列对象中底层数据的平均值。
# 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:
现在我们用Series.mean()函数求给定级数对象的平均值。
# 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()函数已经成功返回了给定序列对象的平均值。
例 2: 用Series.mean()函数求给定序列对象中底层数据的均值。给定的序列对象也包含一些缺失的值。
# 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:
现在我们用Series.mean()函数求给定级数对象的平均值。我们将在计算平均值时跳过所有缺失的值。
# 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()函数已经成功返回了给定序列对象的平均值。
