网站开发流程三部分星裕建设网站

锋哥原创的Pandas2 Python数据处理与分析 视频教程：  

2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

Pandas2可以对Series与DataFrame进行快速的描述性统计，如求和、 平均数、最大值、方差等，这些是最基础也最实用的统计方法。对于 DataFrame，这些统计方法会按列进行计算，最终产出一个以列名为索引、以计算值为值的Series。

统计描述操作

df.describe()会返回一个有多行的所有数字列的统计表，每一行对应一个统计指标，有总数、平均数、标准差、最小值、四分位数、最大值等，这个表对我们初步了解数据很有帮助。

数学统计操作

Pandas2支持常用的数学统计方法，如平均数、中位数、众数、方差 等，还可以结合NumPy使用其更加丰富的统计功能。我们先来使用mean()计算一下平均数，DataFrame使用统计函数后会生成一个Series， 这个Series的索引为每个数字类型列的列名，值为此列的平均数。如果 DataFrame没有任何数字类型列，则会报错。

DataFrame.mean(axis=0,          # 计算方向（行或列）skipna=True,     # 是否跳过缺失值numeric_only=None, # 是否仅计算数值列level=None,      # 针对分层索引的层级**kwargs
)

计算某列数值平均分数。df.列名.mean()

计算每一行的平均分数。df.mean(axis=1, numeric_only=True)

还可以设置索引，查询指定数据；

df.set_index('姓名').mean(axis=1, numeric_only=True).head(3)

统计函数操作

pandas 提供丰富的统计方法，用于快速计算数据的汇总指标。以下是常用方法：

方法	作用	语法示例
sum()	求和	df.sum(axis=0)
mean()	平均值	df.mean(skipna=True)
median()	中位数	df.median()
mode()	众数（返回所有众数）	df.mode()
std()	标准差	df.std()
var()	方差	df.var()
min()	最小值	df.min()
max()	最大值	df.max()
count()	非缺失值数量	df.count()
quantile()	分位数（如中位数）	df.quantile(0.5)
describe()	快速统计摘要	df.describe()

求语文的最高分，df.语文分数.max()