Pandas Dataframe的计数、平均和连接
Pandas是一个开源的数据分析和数据处理工具，它提供了强大的数据结构和数据分析功能，其中最常用的数据结构之一是DataFrame。
DataFrame是一个二维的表格型数据结构，类似于关系型数据库中的表格。它由多个列组成，每一列可以是不同的数据类型（例如整数、浮点数、字符串等）。DataFrame可以通过多种方式创建，例如从CSV文件、Excel文件、数据库查询结果等。
计数（Count）是DataFrame中常用的操作之一，它用于统计某一列或某几列中非空值的个数。可以使用count()方法来实现计数操作。例如，对于一个名为df的DataFrame，可以使用df.count()来统计每一列的非空值个数。
平均（Mean）是指一组数据的算术平均值，用于衡量数据的集中趋势。在DataFrame中，可以使用mean()方法来计算每一列的平均值。例如，对于一个名为df的DataFrame，可以使用df.mean()来计算每一列的平均值。
连接（Join）是指将两个或多个DataFrame按照某一列或多列的值进行合并。在Pandas中，可以使用merge()方法来实现连接操作。连接操作可以根据指定的列进行内连接、左连接、右连接或外连接。具体的连接方式取决于参数的设置。例如，对于两个名为df1和df2的DataFrame，可以使用pd.merge(df1, df2, on='key')来按照列名为'key'的值进行内连接。
Pandas提供了丰富的数据处理和分析功能，适用于各种场景，包括数据清洗、数据转换、数据聚合、数据可视化等。它在数据科学、机器学习、金融分析、商业智能等领域都有广泛的应用。
腾讯云提供了云计算相关的产品和服务，其中与数据处理和分析相关的产品包括云数据库TencentDB、云数据仓库CDW、云数据湖CDL等。您可以通过访问腾讯云官网（https://cloud.tencent.com/）了解更多关于这些产品的详细信息和使用指南。
相关·内容
我想在pandas df专栏中获得列表长度的统计数据，如平均长度、最低长度、最高长度、标准差等。
示例：
import pandas as pd
dfp = pd.DataFrame(
{'trial_num': [[1, 2, 3, 1, 2, 3], [3,4,6,7], [2,2]],
'subject': [[11, 2, 2, 2],[2,2,7],[4]]
}
)
dfp
输出：
trial_num subject
0 [1, 2, 3, 1, 2, 3] [11, 2, 2, 2]
1 [3, 4,
浏览 25提问于2019-10-21得票数 1
回答已采纳
我想以一个简单的数据帧为例，根据另一列("name“列)中的值，将一列(" value”列)求和成组。在那之后，我想得到"value“列的平均值
In [1]: import pandas
In [2]: df = pandas.DataFrame(data = [{'name': 'a', 'val': 1}, {'name': 'b', 'val': 2}, {'name': 'b', 'val': 4}])
In [3
浏览 5提问于2021-03-03得票数 0
回答已采纳
我对DataFrames和Pandas完全陌生。我有这样的数据：
{"_kaats"：{“中位数”：15.783333333333333，“平均数”：613.08480293921173}，"ryanleslie"：{“中位数”：3921.4666666666667，“平均数”：7279.5321839080461}
我正试图将其转换为DataFrame，这样平均和中间值是行，名称是列。
我目前的尝试如下：
import pandas as pd
df = pd.DataFrame(result_dict)
print df
但它产生了不同的输出。有人能
浏览 0提问于2019-08-13得票数 0
回答已采纳
3回答
我正在计算pandas数据帧中4行的平均值、观察值和标准差。现在，我正在制作一个新的数据帧，但肯定有比使用四行更简单的方法？我想我可以使用groupby，然后使用agg，但是我一直无法使它工作。
stats = pd.DataFrame()
stats["mean"] = df.mean(axis=1)
stats["count"] = df.count(axis=1)
stats["std"] = df.std(axis=1)
浏览 2提问于2019-10-22得票数 0
我正在分析一个包含足球运动员信息的数据集。我有足球运动员的名字，他的俱乐部和所有的技能。我想要得到俱乐部所有球员的平均值，并检查俱乐部更好的技能。例如，哪个俱乐部拥有最快的球员，最高的球员，等等。 下面是我的数据： import pandas as pd
df = pd.DataFrame(
{
"Club": ["Palmeiras", "SPFC", "Corinthians", "Palmeiras", "SPFC"],
"Player
浏览 24提问于2019-06-20得票数 1
回答已采纳
我必须根据该级别的行数来计算MultiIndex DataFrame的平均值。
基本上，我必须对最后一列中的值求和，然后除以每个SKU_ID索引的每月行数，从而求出这些值的平均值。我如何在Pandas中继续？谢谢
浏览 0提问于2019-04-04得票数 0
我有一个熊猫时间序列数据框架，从2014年到2017年，每年大约有20行，我正在试图计算每两年的平均值。例如:2014年1月1日. 31/12/2015，01/1/2015 .2016年31/12/2016 . 31/12/2017
下面是我用来导入DataFrame的代码：
import pandas as pd
infile = 'https://environment.data.gov.uk/bwq/downloadAPI/requestDownload?report=samples&bw=ukj2100-14950&to=2018-02-05&from
浏览 0提问于2018-02-04得票数 1
回答已采纳
1回答
我是Pandas的新手，我想将以下简单的R代码转换为Pandas，以便计算列的平均值和加权平均值(实际上，有更多的列需要聚合)。解决方案必须是可链接的，因为在此计算之前和之后都有多个步骤。我看过使用apply函数()的解决方案，但似乎要么必须在apply函数内执行完整的聚合步骤(对所有列，可能是不相关的列)，我认为这很丑陋，要么分别计算平均值和加权平均值，然后进行表连接。在Pandas中最先进的方法是什么？
df = data.frame(batch=c("A", "A", "B", "B", "C","C
浏览 25提问于2019-10-21得票数 1
我有一个有很多栏目的Pandas dataframe，其中两个是“电影标题”和“年龄”，我想找到平均年龄最低的前5部电影，但只包括至少有100次收视率的电影(所以至少有100行)。
例如：
movie title age
Title 1 10
Title 2 12
Title 2 12
Title 3 13
Title 3 13
Title 3 13
应成为：
movie title # of ratings avg age
Title 1
浏览 3提问于2016-04-02得票数 4
回答已采纳
1回答
我有一只熊猫DataFrame和NaN。我想用分组平均来填充NaN。
样本DataFrame：
import pandas as pd
df = pd.DataFrame({
'id': [1, 2, 3, 4, 5, 6],
'm': ['m1','m1','m1','m2','m2', 'm2'],
'cr':[0.5, 0.3, n
浏览 4提问于2022-07-07得票数 0
1回答
我希望能够计算4周列的平均值，但是如果顶部x列中的数小于4，我只想使用最大值x值来计算平均值(也就是说，如果Top x= 3，则在计算平均值时丢弃最低周值。
示例dataframe：
df = pd.DataFrame({'week 1' : [1.0, 5.0, 7.0, 6.0, np.nan],
'week 2' : [3.0, np.nan, 9.0, 8.0, np.nan],
'week 3' : [1.0, 2.0, 2.0, 1.0, 6.0],
浏览 3提问于2021-11-11得票数 0
回答已采纳
1回答
熊猫群群中忽略NaN的标准错误
、、、、
我已经将数据加载到具有多个列标题索引的dataframe中。目前，我一直在按列索引对数据进行分组，取组的平均值，计算95%的置信区间，如下所示：
from pandas import *
import pandas as pd
from scipy import stats as st
#Normalize to starting point then convert
normalized = (data - data.ix[0]) * 11.11111
#Group normalized data based on slope and orientation
grouped = norma
浏览 8提问于2013-08-04得票数 9
回答已采纳
1回答
我在Pandas Dataframe里有一些数据。我想从这些数据中计算移动平均值，包括最多N行和最多Q行：
import pandas
my_data = pandas.DataFrame({
'values': [5.0, 4.0, 3.0, 5.0, 5.0, 6.0, 4.0, 6.0, 7.0, 4.0, 5.0, 5.0]
})
my_data
values
0 5.0
1 4.0
2 3.0
3 5.0
4 5.0
5 6.0
6 4.0
7 6.0
8 7
浏览 0提问于2018-07-24得票数 2
我有一个DatetimeIndex Pandas DataFrame。我想通过filter a key 896将Pandas Series value_counts连接到a。 以下是我的方法： df.resample("M").productID.value_counts()[df.resample("M").productID.value_counts() == `"896"`] 不幸的是，这将返回一个空数据。是的，它是一个像这样的"896"的string
浏览 22提问于2020-04-28得票数 0
1回答
我想找出数据帧的指数移动平均值(12天)。正如pandas文档0.19.2中所给出的，我使用函数DataFrame.ewm来计算指数移动平均值。但它会导致如下AttributeError错误：'DataFrame‘对象没有'ewm’属性。下面是我用来计算指数移动平均的代码。
avg_gain=pd.gain.ewm(span=12,min_periods=12,adjust=False).mean()
另一方面，在以前的pandas文档中，有计算指数移动平均的函数ewma，但此函数导致了不希望的结果。找不到问题所在？
浏览 11提问于2017-02-16得票数 3
回答已采纳
我需要计算dataframe的第一列的平均值，我可以使用mean()方法进行计算。问题是:有时，数据中有-9999个值表示缺失的观测值。我知道在计算Pandas中的平均值时，NaN值本质上是跳过的，当然-9999值不是这种情况。
这是我试过的代码。它计算列的平均值，但通过在计算中取-9999值：
df=pandas.DataFrame([{2,4,6},{1,-9999,3}])
df[0].mean(skipna=-9999)
但它的平均值为-4998.5，这显然是用-9999计算得出的。
浏览 7提问于2015-01-27得票数 4
回答已采纳
1回答
平均含nan值
、、
import numpy as np
import pandas as pd
GFG_dict = { '2019': [10,20,30,40],'2020': [20,30,40,50],'2021': [30, np.NaN, np.NaN, 60],'2022':[40,50,60,70]}
gfg = pd.DataFrame(GFG_dict)
gfg['mean1'] = gfg.mean(axis = 1)
gfg['mean2'] = gfg.loc
浏览 3提问于2022-06-13得票数 0
我有这样的数据，
[
{
"arrivalDate": 1493611200000,
"price": 4588
},
{
"arrivalDate": 1493352000000,
"price": 4630
},
{
"arrivalDate": 1493179200000,
"price": 4553
},
{
"arrivalDate": 1493092800000,
"pri
浏览 5提问于2017-05-02得票数 3
回答已采纳
1回答
在我的应用程序中，我使用groupby对dask数据帧执行聚合，并按某个id排序。
但是，我希望聚合保持分区划分，因为我打算执行与其他相同分区的数据帧的连接。
import pandas as pd
import numpy as np
import dask.dataframe as dd
df =pd.DataFrame(np.arange(16), columns=['my_data'])
df.index.name = 'my_id'
ddf = dd.from_pandas(df, npartitions=4)
ddf.npartitions
#
浏览 0提问于2018-02-17得票数 4
1回答
我有一份啤酒种类和收视率的清单。有重复的，所以每种啤酒类型有多个评级。我把它们做成了元组：
merge = zip(types, ratings)
我想找出每种啤酒的平均评级。我试着把这些元组做成Pandas DataFrame：
df = pandas.DataFrame([merge])
但我不知道在groupby参数中放什么。我也试过这个：
df = pandas.DataFrame({'Ratings': [ratings], 'Types':[types]})
df.groupby('Types').mean()
但也不起作用。我应该把
浏览 3提问于2017-10-16得票数 0
回答已采纳
我需要向Pandas数据框添加2列，其中填充了条件平均值和标准差。 # Import pandas library
import pandas as pd
# Initialize list of lists
data = [
['Tom', 'Blue', 'Small', 10, ],
['Tom', 'Blue', 'Big', 15, ],
['Tom', 'Red', 'Big',
浏览 50提问于2019-07-04得票数 1
如果我有一些缺失的值，并且我想用前面值和后续值的平均值替换所有的NaN，我如何做到这一点？
我知道我可以将pandas.DataFrame.fillna与method='ffill'或method='bfill'选项一起使用，将NaN值替换为前面的或后续的值，但是我希望将这些值的平均值应用到dataframe上，而不是迭代行和列。
浏览 3提问于2016-02-18得票数 3
回答已采纳
1回答
我想用分组或聚合平均值替换熊猫系列中的坏值negative values(-666)和NaNs。样本DataFrame：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'cat': ['A','B','C','A','B','C','A','B','C'],
'val':
浏览 3提问于2022-03-16得票数 0
是否可以应用一个函数，在pandas中对连接的行进行操作，并根据输出聚合数据帧？
示例：
我想沿着这个数据帧的连接列应用一个正则表达式：
a = pd.DataFrame([['a', 0],['b',0],['c',0], [' ', 0], ['1', 1], ['2', 1], ['3',1], [' ', 0], ['r',0], ['.', 0], [' ', 0], ['a',0]])
输出：
浏览 1提问于2017-03-07得票数 2
1回答
我有很多测量数据要用Python来分析。每个数据集由一个参数集(带有数字、日期和字符串的标量)和两条曲线组成。
目标是能够过滤(根据标准进行选择)、分组、聚类、分析(例如，一组中所有曲线和参数的平均值)并可视化它们的数据集或组。
我开始用Pandas实现这一点，并为每个参数创建了一个带有列的Dataframe，并以度量ID作为索引。然后，我为曲线添加了一个列，这样，该列中的每个字段都包含这两个曲线，作为两个numpy数组的二分法。
下面是一个示例实现(真正的dataframe有数千个具有数十个参数列的数据集)
import numpy as np
import pandas as pd
ex
浏览 1提问于2019-12-19得票数 2
回答已采纳
我有这样的Pandas DataFrame： data = pd.DataFrame({"car":["mazda", "audi", "audi", "bmw", "mazda"], "price":[10000, 20000, 30000, 40000, 50000]}) 现在通过使用下面的代码，我获得了列:汽车，平均，最低，最高价格，但我希望在这个表中有更多的列，它将显示我在这个表中的位置，按平均排序，我想让它从最低到最大的平均价格上升。 data.groupby("
浏览 39提问于2019-12-28得票数 0
回答已采纳
我想过滤一个数据帧，计算各行的平均值，然后用这些平均值创建一个新的数据帧。在下面的例子中，我得到了“蓝色”和“红色”类型的平均值，按月计算平均值，然后创建一个以蓝色和红色为列，每月平均值为行的数据帧。
我的问题是:有没有一种方法可以用循环来做到这一点？因此，例如，如果我有一个列表(在本例中是' blue '，' red ')，我是否可以遍历该列表以获取平均值，创建蓝色和红色数据帧，然后将它们连接起来？
import pandas as pd
#CREATE GENERIC DATAFRAME
df = {'account': ['Alph
浏览 1提问于2018-11-21得票数 0
我想做的就是这样：
通过rolling(5,center=True)获取数据系列的滚动窗口
将最大值和最小项放在窗口中。
计算剩余的3块数据的平均值。
如何通过pandas.DataFrame.rolling().apply()或pandas.DataSeries.rolling().apply()完成此操作
浏览 5提问于2016-12-30得票数 0
我希望能够获得有关位于雪花中的各种表列的主要信息，就像df.describe()在Pandas中所做的那样：
列名，
数据类型，
数值类型的最小/最大值/平均值，
以及理想情况下字符串类型的唯一值。
也许还有其他我错过的东西
当然，您可以简单地将所有数据提取到本地DataFrame中，然后在Pandas中执行“描述”，但是对于数以百万行计算的雪花表来说，这太昂贵了。
有什么简单的方法吗？
浏览 2提问于2021-07-02得票数 2
3回答
当使用df.mean()时，我得到一个结果，其中给出了每个列的平均值。现在假设我想要第一列的平均值和第二列的和。有办法这样做吗？我不想要拆卸和重新组装DataFrame。
我最初的想法是做一些类似于pandas.groupby.agg()的事情，比如：
df = pd.DataFrame(np.random.random((10,2)), columns=['A','B'])
df.apply({'A':np.mean, 'B':np.sum}, axis=0)
Traceback (most recent call last)
浏览 2提问于2014-10-17得票数 13
回答已采纳
4回答
我有一个Pandas Dataframe，它有一些缺失值。我想用一些不会影响统计数据的东西来填充缺失的值，这是我将对数据执行的操作。 举个例子，如果在Excel中，你尝试对一个包含5个单元格和一个空单元格的单元格求平均值，那么平均值将是5。我希望在Python中也是如此。 我尝试用NaN填充，但是如果我对某一列求和，例如，结果是NaN。我也尝试用None填充，但得到了一个错误，因为我对不同的数据类型求和。 有人能帮忙吗？提前谢谢你。
浏览 25提问于2019-02-11得票数 0
回答已采纳
3回答
基于列出源和目标之间连接的数据帧
import pandas as pd
df = pd.DataFrame({'source':['A','B','B'],'destination':['B','C','C']})
print(df)
source destination
0 A B
1 B C
2 B C
我想要计算一个平方矩阵，其中包含所有配对的连接数，即得到的Dat
浏览 0提问于2019-12-02得票数 3
回答已采纳
1回答
为什么我不能这么做？
pandas.DataFrame([1])
pandas.DataFrame([1]).dtypes
pandas.DataFrame([1]).dtypes.hist()
TypeError:数据类型不被理解
我希望能得到dtypes的直方图。
浏览 4提问于2017-07-29得票数 2
回答已采纳
所以，正如在dataframe中所看到的，有3场比赛。我想找出每一场比赛第一名和第二名之间的时差，然后输出的是每一场比赛的平均成绩。
import pandas as pd
# initialise data of lists.
data = {'Name':['A', 'B', 'B', 'C', 'A', 'C'], 'RaceNumber':
[1, 1, 2, 2, 3, 3], 'PlaceWon':['First', &
浏览 4提问于2022-01-05得票数 0
回答已采纳
假设我有一个进程A、B、C、D的列表……随时间变化 Process time
A 3
A 4
B 5
C 6
B 7
A 4
A 5
B 2
C 3
import pandas as pd
mydf = pd.DataFrame(columns=['process','time'],
data={'process':list('ABCABCABCDAABB'),'time':[2,3,
浏览 27提问于2020-08-30得票数 0
回答已采纳
我希望通过计算其绝对值/平均值，在每个单元格中将Pandas DataFrame列的值替换为其范围形式的值。 列值:单个单元格是“46-55”，下一个单元格值是“26-35”，下一个单元格值是“100+”(不带引号) 示例输入: pandas.core.series.Series('46-55'，'26-35'，'60+') example input image 预期输出: pandas.core.series.Series('50.5'，'30.5'，'60') example output
浏览 120提问于2019-10-09得票数 1
回答已采纳
1回答
假设我有一个Pandas dataframe，如下所示：
import pandas as pd
import numpy as np
df = pd.DataFrame({"time": [100,200,300,400,100,200,300,np.nan],
"correct": [1,1,0,1,1,0,0,0]})
印刷：
correct time
0 1 100.0
1 1 200.0
2 0 300.0
3 1 400.0
4
浏览 3提问于2017-03-08得票数 2
回答已采纳
1回答
我的数据集是这样的
id viewcount title answercount tags first_tag
1 78 ** 2 ** python
2 87 ** 1 ** pandas
3 87 ** 1 ** pandas
4 83 ** 0 ** Excel
现在，我想得到每一个标签蟒蛇，熊猫和数据统计的分钟，最大和平均视点。
我建立了单独的数据库，其中fi
浏览 1提问于2019-02-18得票数 4
回答已采纳
1回答
我正在尝试创建一个函数，该函数使用DataFrame函数返回Pandas DataFrame中所有列的平均值、中值或标准差。
这是一个学校作业，所以没有理由使用NumPy，除了这是对我的要求。我很难弄清楚如何在Pandas DataFrame中使用NumPy函数来解决这个问题。
这里是问题的文本.
下面的代码单元格包含一个名为comp_sample_stat的函数，它接受两个参数"df“，其中包含特定公司的dow的数据，以及stat，它将包含三个字符串中的一个：”平均值“、"std”或“中位数”。
对于这个问题：
如果stat等于“平均”，则使用numpy的平均值函数返回d
浏览 0提问于2018-10-08得票数 0
回答已采纳
4回答
我有两个列的dataframe，一个是组，另一个是向量嵌入。数据已经是这样了，所以我不想争论嵌入列。嵌入列都共享相同的维度数。
基本上，我想计算每个组的平均嵌入量。平均而言，我的意思是轴心水平平均。因此，1,2和4,8的平均值为2.5,5。
import pandas as pd
import numpy as np
df = pd.DataFrame({"group":["a","a","b","b"],"embedding":[[0,1],[1,0],[0,0],[1,1]]})
df[
浏览 6提问于2021-07-02得票数 1
回答已采纳
如何使用fillna返回pandas DataFrame中相应列的平均值。基本上，如果我有列total_bill和data_usage，例如，我想用total_bill列中所有条目的平均值填充total_bill列中的所有NaN。同样，用data_usage列中所有条目的平均值填充data_usage列中的所有NaN。
浏览 23提问于2021-07-19得票数 0
回答已采纳
data = [[12, 112, 14],
[120, 112, 114],
[88, 92, 74],
[17, 118, 133],
[19, 19, 14],
[11, 12, 14]]
columns = ['Subject_1', 'Subject_2', 'Subject_3']
dataframe = spark.createDataFrame(data, columns)
dataframe.show()
# +---------+---------
浏览 4提问于2022-10-18得票数 1
回答已采纳
2回答
我正在尝试寻找一些股票的移动平均收敛散度，我正在使用Pandas_ta，yfinance和pandas库。但是当我试图将MACD值添加到dataframe时，我得到了这个错误： IndexError: iloc cannot enlarge its target object 我的代码是： import pandas as pd
import pandas_ta as ta
import yfinance as yf
import datetime as dt
import matplotlib.pyplot as plt
start=dt.datetime.today()-dt.time
浏览 102提问于2020-09-14得票数 2
回答已采纳
我想向Pandas DataFrame添加更多的行。但是，对于类型为float64的列，我需要计算以前的3-观察滚动平均值，而不是简单地重复。在下面的DataFrame Score1列中，类型为float64。
对于month列，我需要增加+1。
import pandas as pd
df = pd.DataFrame({
'Month' : [1,2,3],
'Year' : [2021,2021,2021],
'Label'
浏览 0提问于2021-12-22得票数 0
1回答
解释正态分布的Y值
、、、
我编写了这段代码来生成一组值1、2、3的正态分布：
import pandas as pd
import random
import numpy as np
df = pd.DataFrame({'col1':[1,2,3]})
print(df)
fig, ax = plt.subplots(1,1)
df.plot(kind='hist', normed=True, ax=ax)
返回：
X值是可能值的范围，但Y值是如何解释的？
读取 Y值是使用以下方法计算的：
正态分布有一条钟形密度曲线，其平均值和标准差表示.密度曲线是对称的，以其平均值为中
浏览 2提问于2017-03-22得票数 0
回答已采纳
使用Pandas，我想要"groupby“并计算我的Dataframe的每一组的平均值。我这样做：
dict = {
"group": ["A", "B", "C", "A", "A", "B", "B", "C", "A"],
"value": [5, 6, 8, 7, 3, 9, 4, 6, 5]
}
import pandas as pd
df = pd.DataFrame(dict)
pr
浏览 4提问于2021-05-07得票数 2
回答已采纳
1回答
我试图获得DataFrame的每个分区每列的平均值，例如：
country city sales stock
0 UK London 1 34
1 UK Leeds 2 20
2 UK Leeds 3 21
3 RO Cluj 4 24
4 RO Cluj 5 25
5 RO Bucharest 6 25
也就是说，我希望得到sales和stock的平均值，并将它们聚合
浏览 0提问于2018-06-11得票数 2
回答已采纳
2回答
熊猫的总数忽略了南的，我需要一个包括它们在内的计数。Numpy有一些但不是所有nan修改聚合的聚合，我需要使用自定义聚合还是有一种我找不到的方法？
这是针对groupby的，我希望普通的NaN功能的平均值，但奇怪的计数。用代码
In [1]: import numpy
In [2]: import pandas as pd
In [3]: df = pd.DataFrame([[0,float('nan')],[0,float('nan')],[0,float('nan')]])
In [4]: df.groupby(0).agg([
浏览 5提问于2016-03-27得票数 5
回答已采纳
我有一个数据，它有三个级别的索引，我希望计算一个值偏离平均值有多大。但根据我的指数，对于不同的群体，我有不同的平均值。这就是我试过的：
In [4]: df['count'].groupby(level=[0,1,2]).apply(lambda x: x-np.mean(x))
但是，我得到了一个错误，我在下面插入了堆栈跟踪。我不知道为何会有这样的问题。
Exception Traceback (most recent call last)
<ipython-input-4-678992689ff2>
浏览 2提问于2016-03-17得票数 8
2回答
大熊猫数据的动态追加
、、、
我希望从一个列表中加载文件，计算每一行文件的平均值、中位数和标准差，然后创建一个dataframe列出所有新计算的字段。
我有以下代码：
#list files to load
file_names = ["file_1", "file_2", ...]
#empty df
data = pd.DataFrame()
#for loop
for filename in file_names:
df = pd.read_csv(filename, index_col=False, header=0
浏览 4提问于2020-06-22得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
