python中mean函数的使用方法

在 Python 中，mean 函数用于计算数据的平均值，但需要根据不同的库来使用。以下是常见的使用场景和示例：

---

1. ​使用 statistics 库（适用于基础列表/可迭代对象）​

import statistics

data = [1, 2, 3, 4, 5]
average = statistics.mean(data)
print(average)  # 输出: 3

​注意事项：

• 如果数据为空，会抛出 StatisticsError。
• 数据必须为数值类型（整数或浮点数）。

---

2. ​使用 NumPy 库（适用于数组/矩阵计算）​

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
average = np.mean(arr)
print(average)  # 输出: 3.0

# 计算多维数组沿指定轴的均值
matrix = np.array([[1, 2], [3, 4]])
row_avg = np.mean(matrix, axis=0)  # 沿列计算（输出: [2.0, 3.0]）
col_avg = np.mean(matrix, axis=1)  # 沿行计算（输出: [1.5, 3.5]）

​参数说明：

• axis: 指定计算维度（0=列，1=行）。
• dtype: 指定输出数据类型。
• 忽略 NaN 值：使用 np.nanmean()。

---

3. ​使用 Pandas 库（适用于 DataFrame/Series）​

import pandas as pd

# 计算 Series 的均值
series = pd.Series([1, 2, 3, 4, 5])
series_avg = series.mean()
print(series_avg)  # 输出: 3.0

# 计算 DataFrame 每列的均值
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df_avg = df.mean()
print(df_avg)
# 输出:
# A    1.5
# B    3.5

​参数说明：

• axis: 指定计算方向（0=列，1=行）。
• skipna: 是否忽略缺失值（默认 True）。

---

4. ​自定义实现（无需库）​

def custom_mean(data):
    return sum(data) / len(data)

data = [1, 2, 3, 4, 5]
print(custom_mean(data))  # 输出: 3.0

​注意：需处理空列表和类型错误。

---

常见问题

• ​空数据报错：在使用 statistics.mean() 或自定义函数时，确保数据非空。
• ​数据类型混合：确保数据均为数值类型（避免字符串混入）。
• ​NaN 处理：在 NumPy/Pandas 中可使用 nanmean() 或 skipna=True。

根据需求选择合适的库：小型数据用 statistics，科学计算用 NumPy，数据分析用 Pandas。