Mean (ค่าเฉลี่ยเลขคณิต) = ผลรวมค่าทั้งหมด / จำนวนค่า ใช้สรุป Central Tendency ของข้อมูล
ใน Pandas ใช้ Method .mean() บน Series หรือ DataFrame
ตัวอย่างโค้ด
import pandas as pd
my_data = {
'Name': pd.Series(['Tom', 'Jane', 'Vin', 'Eve', 'Will']),
'Age': pd.Series([45, 67, 89, 12, 23]),
'value': pd.Series([8.79, 23.24, 31.98, 78.56, 90.20])
}
my_df = pd.DataFrame(my_data)
print("The dataframe is:")
print(my_df)
# Mean ของ Column 'Age'
print("\nThe mean of column 'Age' is:")
print(my_df['Age'].mean())
# Mean ของ Column 'value'
print("\nThe mean of column 'value' is:")
print(my_df['value'].mean())
# Mean ทุก Numeric Columns
print("\nMean of all numeric columns:")
print(my_df.mean())
ผลลัพธ์
The dataframe is:
Name Age value
0 Tom 45 8.79
1 Jane 67 23.24
2 Vin 89 31.98
3 Eve 12 78.56
4 Will 23 90.20
The mean of column 'Age' is:
47.2
The mean of column 'value' is:
46.553999999999995
Mean of all numeric columns:
Age 47.200000
value 46.554000
dtype: float64
คำอธิบาย
เข้าถึง Column เดี่ยว:
my_df['Age'].mean()ทั้ง DataFrame:
my_df.mean()(เฉพาะ Numeric Columns)Column 'Name' (String) จะถูกข้ามอัตโนมัติ
พารามิเตอร์ mean()
Series.mean(axis=0, skipna=True, numeric_only=False)
skipna=True: ข้าม NaN (Default)numeric_only: DataFrame เท่านั้น
Weighted Mean (ค่าเฉลี่ยน้ำหนัก)
# Manual weighted mean
weights = pd.Series([0.1, 0.2, 0.3, 0.2, 0.2], index=my_df.index)
weighted_mean = (my_df['value'] * weights).sum() / weights.sum()
print(f"Weighted mean: {weighted_mean:.4f}")
# หรือใช้ numpy.average
import numpy as np
print(np.average(my_df['value'], weights=weights))
Trimmed Mean (ตัดค่านอกขอบ)
from scipy import stats
# ตัด 10% ด้านบน-ล่าง
trimmed = stats.trim_mean(my_df['value'], 0.1)
print(f"Trimmed mean (10%): {trimmed:.4f}")
การจัดการ Missing Values
df_with_nan = pd.Series([1, 2, np.nan, 4, 5])
print(df_with_nan.mean()) # 3.0 (skipna=True default)
print(df_with_nan.mean(skipna=False)) # NaN
