# Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок В этом посте вы узнаете, как вычислить среднее значение (average) в Pandas для одного столбца, нескольких столбцов или всего датафрейма. Вы также узнаете, как пропустить значения `na` или включить их в свой расчет. Оглавление * [Загрузка образца фрейма данных](#zagruzka-obrazca-freima-dannykh) * [Pandas среднее значение в одном столбце](#pandas-srednee-znachenie-v-odnom-stolbce) * [Среднее значение Pandas для строки](#srednee-znachenie-pandas-dlya-stroki) * [Среднее значение Pandas по нескольким столбцам](#srednee-znachenie-pandas-po-neskolkim-stolbcam) * [Среднее значение Pandas для всего DataFrame](#srednee-znachenie-pandas-dlya-vsego-dataframe) * [Учитывать NA при вычислении среднего значения Pandas](#vklyuchit-nas-v-raschet-srednego-znacheniya-pandas) * [Использовать метод Pandas Describe для вычисления средних значений](#ispolzuite-pandas-describe-dlya-vychisleniya-srednikh-znachenii) * [Заключение](#zaklyuchenie) ### Загрузка образца фрейма данных Если вы хотите использовать пример dataframe для практики, загрузите приведенный ниже образец dataframe. Данные представляют собой зарплаты людей за период в четыре года: ```python import pandas as pd df = pd.DataFrame.from_dict( { 'Year': [2018, 2019, 2020, 2021], 'Carl': [1000, 2300, 1900, 3400], 'Jane': [1500, 1700, 1300, 800], 'Melissa': [800, 2300, None, 2300] } ).set_index('Year') print(df) ``` Это возвращает следующий фрейм данных: ```python Carl Jane Melissa Year 2018 1000 1500 800.0 2019 2300 1700 2300.0 2020 1900 1300 NaN 2021 3400 800 2300.0 ``` ### Pandas среднее значение в одном столбце Вычислить среднее значение для одного столбца очень просто. Мы можем просто вызвать метод `.mean()` для отдельного столбца, и он вернет среднее значение этого столбца. Например, давайте вычислим среднюю зарплату Карла за все годы: ```python >>> carl = df['Carl'].mean() >>> print(carl) 2150.0 ``` Мы можем видеть, что средняя зарплата Карла за четыре года составила `2150`. ### Среднее значение Pandas для строки Теперь предположим, что вы хотите вычислить среднее значение для строки dataframe. Мы можем сделать это, просто изменив параметр `axis=`. Допустим, мы хотим получить среднюю зарплату всех людей за 2018 год. Мы можем получить данные за 2018 год с помощью метода `.loc` (о котором вы можете узнать больше в моем руководстве по ссылке). ```python >>> year_2018 = df.loc[2018,:].mean() >>> print(year_2018) 1100 ``` Теперь, в качестве альтернативы, вы можете вычислить среднее значение для каждой строки. Вы можете сделать это, не указывая выбор строки и изменив параметр `axis=`. Попробуем это на практике: ```python row_averages = df.mean(axis=1) print(row_averages) ``` Это возвращает следующую серию: ```python Year 2018 1100.000000 2019 2100.000000 2020 1600.000000 2021 2166.666667 dtype: float64 ``` Если вы хотите вычислить среднее значение нескольких столбцов, вы можете просто применить метод `.mean()` к выбранным столбцам. ### Среднее значение Pandas по нескольким столбцам В приведенном ниже примере мы возвращаем средние зарплаты Карла и Джейн. Обратите внимание, что для правильного выбора данных необходимо использовать двойные квадратные скобки: ```python averages = df[['Carl', 'Jane']].mean() print(averages) ``` Это возвращает следующий результат: ```python Carl 2150.0 Jane 1325.0 dtype: float64 ``` ### Среднее значение Pandas для всего DataFrame Наконец, если вы хотите получить среднее значение для каждого столбца в dataframe Pandas, вы можете просто применить метод `.mean()` ко всему dataframe. Попробуем это сделать, написав следующий код: ```python >>> entire_dataframe = df.mean() >>> print(entire_dataframe) Carl 2150.0 Jane 1325.0 Melissa 1800.0 dtype: float64 ``` Теперь вы можете вычислить среднее значение для всего dataframe. ### Включить NAs в расчет среднего значения Pandas Одно важное замечание: по умолчанию пропущенные значения исключаются из расчёта среднего. Таким образом, пропущенное значение обрабатывается как отсутствующее, а не как ноль. Если вы хотите вычислить среднее значение с учётом пропущенных данных, вы можете сначала присвоить им значения с помощью метода Pandas `.fillna()`. Ознакомьтесь с моим руководством по этой ссылке, чтобы узнать больше: Давайте вычислим среднее значение, включая и исключая пропущенное значение в столбце Melissa: ```python >>> print(df['Melissa'].mean()) >>> print(df['Melissa'].fillna(0).mean()) 1800.0 1350.0 ``` ### Используйте Pandas Describe для вычисления средних значений Наконец, давайте воспользуемся методом Pandas `.describe()`, чтобы вычислить среднее значение (а также некоторые другие полезные статистики). Чтобы узнать больше о методе Pandas `.describe()`, ознакомьтесь с моим руководством по этой ссылке. Давайте посмотрим, как мы можем получить среднее значение и другие полезные статистики: ```python >>> print(df.describe()) Carl Jane Melissa count 4.000000 4.000000 3.000000 mean 2150.000000 1325.000000 1800.000000 std 994.987437 386.221008 866.025404 min 1000.000000 800.000000 800.000000 25% 1675.000000 1175.000000 1550.000000 50% 2100.000000 1400.000000 2300.000000 75% 2575.000000 1550.000000 2300.000000 max 3400.000000 1700.000000 2300.000000 ``` Если вы хотите получить только среднее значение, вы можете просто использовать акцессор `.loc` для доступа к данным: ```python >>> print(df.describe().loc['mean']) Carl 2150.0 Jane 1325.0 Melissa 1800.0 Name: mean, dtype: float64 ``` ### Заключение В этой статье вы узнали, как вычислить среднее значение в Pandas с помощью метода `.mean()`. Вы научились вычислять среднее по столбцу, по строке, по нескольким столбцам и по всему dataframe. Кроме того, вы узнали, как рассчитать среднее значение с учетом пропущенных значений. Чтобы узнать больше о методе `.mean()` в Pandas, ознакомьтесь [с официальной документацией по этой ссылке.](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.mean.html)