Question

例如，使用包含特定二进制列（均位于numpy数组中）的数据框：

[1. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0.]
[1. 0. 0. 0. 0. 0. 0. 1. 1. 0. 1. 0. 0.]
[1. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0.]
[0. 0. 0. 1. 0. 0. 0. 1. 1. 0. 0. 0. 0.]
[1. 0. 0. 1. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 1. 0.]
[1. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0.]
[1. 0. 0. 1. 0. 0. 0. 1. 0. 0. 1. 0. 0.]
[1. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 1. 1. 0. 0. 0. 0.]

是否可以应用循环来迭代该列中的所有列？

即

就我而言，我需要获取每一列中的平均值，例如：

# Mean of position [0]           # Mean of position[3]
    1.                               1.
    1.                               0.
    1.                               0.
    0.                               1.
    1.                               1.
    0.                               1.
    1.                               0.
    1.                               1.
    1.                               1.
    0.                               0.

有什么办法吗？

谢谢！

Answer 1

只需将iloc与mean一起使用：

meanZero = df.iloc[0].mean()
meanThird= df.iloc[3].mean()

Answer 2

您可以使用numpy中的mean函数。 https://docs.scipy.org/doc/numpy/reference/generated/numpy.mean.html

因此，在您的情况下，我认为您正在寻找np.mean(a, axis=1)

数据框中每列的平均值

2 个答案: