使用 Pandas 计算 DataFrame 列的平均值并导出到 CSV

星墨吖_2013

星墨吖_2013

2025-10-04

291人浏览

原创

使用 pandas 计算 dataframe 列的平均值并导出到 csv

本文将介绍如何使用 Pandas 库计算 DataFrame 中各列的平均值,并将结果导出到 CSV 文件。我们将探讨 df.mean() 方法的简单高效用法,并解释科学计数法(如 e+07)的含义,最后提供完整的代码示例。

Pandas 提供了强大的数据处理功能,其中计算 DataFrame 列的平均值并导出结果是常见的需求。groupby() 方法通常用于分组聚合,但对于直接计算列平均值而言,df.mean() 方法更为简洁高效。

使用 df.mean() 计算列平均值

df.mean() 方法直接计算 DataFrame 中每一列的平均值,返回一个 Series 对象,其中索引是列名,值是对应的平均值。

import pandas as pd
import numpy as np

# 创建示例 DataFrame
SIZE = 100  # 定义 SIZE 变量
nydata = pd.DataFrame({
    "Upper Manhattan": np.random.randint(low=2000000, high=6000000, size=SIZE),
    "Inwood": np.random.randint(low=3000000, high=3800000, size=SIZE),
    "Harlem": np.random.randint(low=2300000, high=5000000, size=SIZE)
})

# 计算每列的平均值
mean_values = nydata.mean()

# 打印结果
print(mean_values)

这段代码首先导入了必要的库,然后创建了一个包含三列数据的 DataFrame。nydata.mean() 计算了每一列的平均值,并将结果存储在 mean_values 变量中。最后,使用 print() 函数输出结果。

将平均值导出到 CSV 文件

要将计算得到的平均值导出到 CSV 文件,可以使用 to_csv() 方法。

Csv Brain
Csv Brain

加载CSV文件,使用自然语言(英文)提问。通过Anthropic、OpenAI或本地Ollama实现AI驱动的自然语言查询,无需SQL。

下载
# 将平均值导出到 CSV 文件,不包含 header
mean_values.to_csv("mean_values.csv", header=False)

这段代码将 mean_values Series 对象导出到名为 "mean_values.csv" 的 CSV 文件。header=False 参数确保 CSV 文件中不包含列名。如果需要包含列名,可以省略该参数或将其设置为 True。

理解科学计数法

输出结果中可能出现类似 3.992766e+06 的表示方法,这被称为科学计数法。e+06 表示乘以 10 的 6 次方,因此 3.992766e+06 等于 3,992,766。

完整代码示例

以下是完整的代码示例,包括数据生成、平均值计算和 CSV 导出:

import pandas as pd
import numpy as np

# 定义 SIZE 变量
SIZE = 100

# 创建示例 DataFrame
nydata = pd.DataFrame({
    "Upper Manhattan": np.random.randint(low=2000000, high=6000000, size=SIZE),
    "Inwood": np.random.randint(low=3000000, high=3800000, size=SIZE),
    "Harlem": np.random.randint(low=2300000, high=5000000, size=SIZE)
})

# 计算每列的平均值
mean_values = nydata.mean()

# 打印结果
print(mean_values)

# 将平均值导出到 CSV 文件,不包含 header
mean_values.to_csv("mean_values.csv", header=False)

注意事项

  • 确保已经安装了 Pandas 和 NumPy 库。如果没有安装,可以使用 pip install pandas numpy 命令进行安装。
  • 可以根据实际需求调整 CSV 文件的导出参数,例如文件名、分隔符等。
  • 如果 DataFrame 中包含非数值类型的数据,df.mean() 方法会自动忽略这些列。

总结

本文介绍了如何使用 Pandas 库计算 DataFrame 中各列的平均值,并将结果导出到 CSV 文件。通过使用 df.mean() 方法,可以简洁高效地完成这一任务。同时,解释了科学计数法的含义,并提供了完整的代码示例,帮助读者更好地理解和应用这些知识。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

csv

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

991

25

pip安装使用方法
pip安装使用方法

安装步骤:1、确保Python已经正确安装在您的计算机上;2、下载“get-pip.py”脚本;3、按下Win + R键,然后输入cmd并按下Enter键来打开命令行窗口;4、在命令行窗口中,使用cd命令切换到“get-pip.py”所在的目录;5、执行安装命令;6、验证安装结果即可。大家可以访问本专题下的文章,了解pip安装使用方法的更多内容。

2023.10.09

3690

5

更新pip版本
更新pip版本

更新pip版本方法有使用pip自身更新、使用操作系统自带的包管理工具、使用python包管理工具、手动安装最新版本。想了解更多相关的内容,请阅读专题下面的文章。

2024.12.20

8363

6

pip设置清华源
pip设置清华源

设置方法:1、打开终端或命令提示符窗口;2、运行“touch ~/.pip/pip.conf”命令创建一个名为pip的配置文件;3、打开pip.conf文件,然后添加“[global];index-url = https://pypi.tuna.tsinghua.edu.cn/simple”内容,这将把pip的镜像源设置为清华大学的镜像源;4、保存并关闭文件即可。

2024.12.23

10102

11

python升级pip
python升级pip

本专题整合了python升级pip相关教程,阅读下面的文章了解更多详细内容。

2025.07.23

5347

16

python中print函数的用法
python中print函数的用法

python中print函数的语法是“print(value1, value2, ..., sep=' ', end='\n', file=sys.stdout, flush=False)”。本专题为大家提供print相关的文章、下载、课程内容,供大家免费下载体验。

2023.09.27

3560

5

python print用法与作用
python print用法与作用

本专题整合了python print的用法、作用、函数功能相关内容,阅读专题下面的文章了解更多详细教程。

2026.02.03

269

24

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习