### Pandas DataFrame.mean() 方法 使用说明 `DataFrame.mean()` 是 Pandas 库中的一个方法，用于计算数据框中数值的平均值。此方法可以沿指定轴（行或列）进行操作，并支持多种参数以满足不同的需求[^1]。 以下是 `DataFrame.mean()` 方法的主要用法和参数说明： #### 方法签名 ```python DataFrame.mean(axis=0, skipna=True, level=None, numeric_only=None) ``` #### 参数详解 - **`axis`**: 指定计算平均值的方向。 - 如果 `axis=0` 或 `axis='index'`，则按列计算平均值。 - 如果 `axis=1` 或 `axis='columns'`，则按行计算平均值[^1]。 - **`skipna`**: 布尔值，决定是否忽略缺失值（`NaN`）。 - 如果 `skipna=True`，则在计算时忽略 `NaN` 值。 - 如果 `skipna=False`，则包含 `NaN` 的列或行将返回 `NaN`[^1]。 - **`level`**: 如果索引是多级索引（MultiIndex），可以通过此参数指定在某一级上进行聚合操作。默认为 `None`[^1]。 - **`numeric_only`**: 布尔值或 `None`，决定是否仅对数值类型的列进行计算。 - 如果为 `True`，则只对数值类型（如 `float64`、`int64` 等）的列进行操作。 - 如果为 `False` 或 `None`，则尝试对所有列进行操作，但非数值列会被忽略[^1]。 #### 示例代码 以下是一些使用 `DataFrame.mean()` 的示例： ```python import pandas as pd import numpy as np # 创建一个示例 DataFrame data = { 'A': [1, 2, 3, np.nan], 'B': [4, 5, 6, 7], 'C': [np.nan, 8, 9, 10] } df = pd.DataFrame(data) # 按列计算平均值，默认 axis=0 print("按列计算平均值：") print(df.mean()) # 输出各列的平均值，忽略 NaN # 按行计算平均值，axis=1 print("\n按行计算平均值：") print(df.mean(axis=1)) # 输出每行的平均值，忽略 NaN # 不忽略 NaN 值的情况 print("\n不忽略 NaN 值：") print(df.mean(skipna=False)) # 包含 NaN 的列返回 NaN ``` #### 注意事项 如果 `DataFrame` 是通过 `numpy.array()` 初始化的对象（即 `ndarray`），可能会导致某些方法无法正常工作。这是因为 `DataFrame` 的构造需要明确的列名和索引信息，而 `numpy.array()` 生成的对象通常缺乏这些信息。因此，建议在初始化 `DataFrame` 时提供完整的列名和索引信息[^1]。 #### 总结 `DataFrame.mean()` 是一个功能强大的方法，能够灵活地计算数据框中的平均值。通过调整参数，用户可以根据实际需求自定义计算方式。