有没有办法得到pandas中前两列的平均值？

在Pandas中，如果你想要计算DataFrame中前两列的平均值，你可以使用多种方法。以下是一些常见的方法：

方法一：使用iloc选择前两列并计算平均值

import pandas as pd

# 假设df是你的DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 使用iloc选择前两列，并计算平均值
average_of_first_two_columns = df.iloc[:, :2].mean().mean()
print(average_of_first_two_columns)

在这个例子中，df.iloc[:, :2]选择了DataFrame的前两列，.mean()首先计算每一列的平均值，然后再对这两个平均值求平均。

方法二：直接指定列名计算平均值

如果你知道前两列的列名，你可以直接使用这些列名来计算平均值：

# 假设我们知道前两列的列名是'A'和'B'
average_of_A_and_B = df[['A', 'B']].mean().mean()
print(average_of_A_and_B)

这种方法更加直观，特别是当你知道具体列名的时候。

方法三：使用apply函数

你也可以使用apply函数来计算每一行的平均值，然后再次使用mean来得到所有行平均值的平均：

# 计算每一行的平均值，然后取这些平均值的平均
average_of_rows = df.iloc[:, :2].apply(lambda row: row.mean(), axis=1).mean()
print(average_of_rows)

在这个例子中，apply函数沿着行的方向（axis=1）应用了一个lambda函数，该函数计算每一行的平均值。

注意事项

• 如果DataFrame中的列不是数值类型，你需要先将其转换为数值类型，否则mean函数会抛出错误。
• 如果DataFrame中包含NaN值，mean函数默认会忽略这些值。如果你想要包含NaN值在内，你可以设置skipna=False。

以上方法都可以得到DataFrame中前两列的平均值，你可以根据自己的需求选择合适的方法。