关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。

Pandas API参考所有内容目录

Pandas.Series.mean()

Series.mean 方法用于返回 Series 的平均值。

语法：

Series.mean(axis=0, skipna=True, numeric_only=False, **kwargs)

返回值：

• Series or scalar

参数说明：

axis 指定计算方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数，用于指定计算方向，即按行计算或按列计算平均值：

  • 对于 Series 此参数无效，将始终保持 axis=0，即计算整列的平均值。^例1

  ⚠️ 注意 :
  字符串类型的值，不支持平均值运算。

  ✅ 新增于 Pandas 2.0.0 : axis 参数，新增于Pandas 2.0.0 版本。

skipna 忽略缺失值

• skipna : bool, default False >

  skipna 参数，用于指定求平均值的时候是否忽略缺失值：

  • False： 不忽略，缺失值 在求平均值的时候，会被解析为浮点数 float。当字符串和缺失值混合时，会报错！TypeError。
  • True: 忽略缺失值。

  ⚠️ 注意 :

  • 缺失值 在求平均值的时候，会被解析为浮点数 float。

  • 如果整行或整列，都是缺失值，那么平均值结果也是缺失值。 ^例2

numeric_only 排除非纯数值的行或列

• numeric_only : bool, default False

  对于 Series 此参数无效 。

**kwargs 关键字参数

• kwargs
  kwargs 参数，是为了保持与 Numpy 的兼容性而保留的参数，一般不需要传递任何内容。

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：如果是 Series 始终保持 axis=0，即计算整列的平均值。

import numpy as np
import pandas as pds = pd.Series([24.0, np.nan, 21.0, 33, 26], name="age")
s.mean()

26.0

例2：都是缺失值，那么平均值结果也是缺失值。

import numpy as np
import pandas as pds = pd.Series([np.nan, np.nan])s.mean()

nan