pandas.core.groupby.DataFrameGroupBy.mean # DataFrameGroupBy。意思(numeric_only = False, engine = None, engine_kwargs = None)[来源] # 计算组的平均值,排除缺失值。 参数: numeric_only布尔值,默认 False仅包含 float、int、boolean 列。 版本 2.0.0 中更改: numeric_only 不再接受None并默认为False. 引擎str,默认无 'cython':通过 cython 的 C 扩展运行操作。 'numba':通过 numba 的 JIT 编译代码运行操作。 None:默认'cython'或全局设置 compute.use_numba 1.4.0 版本中的新增功能。 engine_kwargs字典,默认 None 对于'cython'发动机,没有可接受的engine_kwargs 对于'numba'引擎,引擎可以接受nopython,nogil 和parallel字典键。这些值必须是True或 False。引擎engine_kwargs的默认值'numba'是 {{'nopython': True, 'nogil': False, 'parallel': False}} 1.4.0 版本中的新增功能。 返回: pandas.Series 或 pandas.DataFrame 也可以看看 Series.groupby将函数 groupby 应用于系列。 DataFrame.groupby将函数 groupby 应用于 DataFrame 的每一行或每一列。 例子 >>> 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 对两列进行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 按一列分组并返回组中仅特定列的平均值。 >>> df.groupby('A')['B'].mean() A 1 3.0 2 4.0 Name: B, dtype: float64