<!DOCTYPE html>
<html>
<head>
<title>Использование функции mean() в библиотеке Pandas Python</title>
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/highlight.js@10.1.2/styles/default.min.css">
<script src="https://cdn.jsdelivr.net/npm/highlight.js@10.1.2/highlight.min.js"></script>
<script>hljs.initHighlightingOnLoad();</script>
</head>
<body>
<h1>Использование функции mean() в библиотеке Pandas Python</h1>
<p>Когда речь заходит о рассмотрении статистических данных в библиотеке Pandas Python, одной из наиболее часто используемых функций является <code>mean()</code>. Функция <code>mean()</code> позволяет вычислить среднее значение числового ряда или столбца в объекте DataFrame или Series. Это особенно полезно, когда мы хотим просмотреть общую тенденцию данных или установить базовое значение.</p>
<h2>Примеры кода</h2>
<p>Прежде всего, мы должны импортировать библиотеку Pandas, используя следующую команду:</p>
<pre><code class="python">import pandas as pd</code></pre>
<p>Затем создадим простой объект Series с помощью команды:</p>
<pre><code class="python">data = pd.Series([10, 20, 30, 40, 50])</code></pre>
<p>Теперь мы можем использовать функцию <code>mean()</code> для вычисления среднего значения этого ряда:</p>
<pre><code class="python">mean_value = data.mean()
print(mean_value)</code></pre>
<p>Ожидаемый результат: 30.0</p>
<p>Другой способ использования <code>mean()</code> состоит в передаче столбца из объекта DataFrame. Давайте создадим DataFrame, чтобы продемонстрировать это:</p>
<pre><code class="python">df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]})</code></pre>
<p>Теперь давайте посмотрим на среднее значение столбца 'A' с помощью <code>mean()</code>:</p>
<pre><code class="python">column_mean = df['A'].mean()
print(column_mean)</code></pre>
<p>Ожидаемый результат: 3.0</p>
<p>Если мы хотим найти среднее значение вдоль определенной оси (строки или столбца) в DataFrame, мы можем использовать параметр <code>axis</code>. Давайте посмотрим на примеры для разных осей:</p>
<pre><code class="python">row_mean = df.mean(axis=1)
print(row_mean)</code></pre>
<p>Ожидаемый результат: [3.5, 4.5, 5.5, 6.5, 7.5]</p>
<p>Мы также можем использовать <code>mean()</code> для вычисления среднего значения только для некоторых выбранных столбцов. Для этого мы можем передавать список столбцов в функцию <code>mean()</code>. Рассмотрим следующий пример:</p>
<pre><code class="python">selected_columns_mean = df[['A', 'B']].mean()
print(selected_columns_mean)</code></pre>
<p>Ожидаемый результат: A 3.0 B 8.0 dtype: float64</p>
<p>Иногда нам может потребоваться проигнорировать отсутствующие значения при вычислении среднего значения. Для этого мы можем использовать параметр <code>skipna</code> и установить его в <code>True</code>. Давайте посмотрим на пример:</p>
<pre><code class="python">data_with_nan = pd.Series([10, 20, 30, None, 50])
mean_with_nan = data_with_nan.mean(skipna=True)
print(mean_with_nan)</code></pre>
<p>Ожидаемый результат: 27.5</p>
<p>В заключение, функция <code>mean()</code> в библиотеке Pandas является мощным инструментом для вычисления среднего значения столбцов или рядов в DataFrame и Series. Она может быть полезна при анализе данных и определении общих тенденций. Знание использования этой функции поможет вам быстро получить необходимую статистическую информацию о ваших данных.</p>
</body>
</html>