pandas.core.resample.Resampler.mean#
- Resampler.mean(_method='mean', *args, **kwargs)[源代码]#
计算组的平均值，不包括缺失值。
- 参数
- numeric_only布尔值，默认为True
包括浮点型、整型、布尔型列。如果没有，将尝试使用所有内容，然后仅使用数字数据。
- engine字符串，默认为无
'cython'：从cython通过C扩展运行操作。'numba'：通过来自Numba的JIT编译代码运行操作。None: Defaults to'cython'or globally settingcompute.use_numba
1.4.0 新版功能.
- engine_kwargsDict，默认无
为
'cython'发动机，有没有接受engine_kwargs为
'numba'发动机，发动机可以接受nopython，nogil和parallel词典的关键字。这些值必须是True或False。默认设置engine_kwargs对于'numba'引擎是{{{{'nopython': True, 'nogil': False, 'parallel': False}}}}
1.4.0 新版功能.
- 退货
- Pandas.Series或Pandas.DataFrame
参见
Series.groupby将函数GROUPBY应用于系列。
DataFrame.groupby将函数GROUPBY应用于DataFrame的每行或每列。
示例
>>> df = pd.DataFrame({'A': [1, 1, 2, 1, 2], ... 'B': [np.nan, 2, 3, 4, 5], ... 'C': [1, 2, 1, 1, 2]}, columns=['A', 'B', 'C'])
按一列分组，并返回每组中剩余列的平均值。
>>> df.groupby('A').mean() B C A 1 3.0 1.333333 2 4.0 1.500000
按两列分组，并返回剩余列的平均值。
>>> df.groupby(['A', 'B']).mean() C A B 1 2.0 2.0 4.0 1.0 2 3.0 1.0 5.0 2.0
按一列分组，并仅返回组中特定列的平均值。
>>> df.groupby('A')['B'].mean() A 1 3.0 2 4.0 Name: B, dtype: float64