大佬教程收集整理的这篇文章主要介绍了如何计算列熊猫数据框中列表的平均值，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我有这样的数据@H_197_3@
data={"col1":[ [(1,22),(1.5,20),(3,32),(2,21)],[(2,24),(2.5,22)],[(6,12),(1.3,18),(5,[(4,25),33),(7,21),30)]],"name":["A","B","C","F"]}
df=pd.DataFrame.from_Dict(data)
print(df)
我想指的是第一次和第二次 每行中的数字（列出）两个不同的 colls 所以 对于第一个单元格，我将获得包含的新 coll (1+1.5+3+2)\4 和另外一个具有 22+20+32+21/4 的列@H_197_3@
for i in df["col1"]:
mean_List = []
for first_numb in i:
mean_List.append(first_numb[0])
有什么想法吗？@H_197_3@
我们可以尝试 exploding 并从分解的列创建一个新的数据框，然后在 @H_646_5@mean 上计算 level=0@H_197_3@
e = df['col1'].explode()
df[['m1','m2']] = pd.DataFrame([*e],index=e.indeX).mean(level=0)
list 理解的替代方法@H_197_3@
df[['m1','m2']] = pd.DataFrame([[sum(t) / len(t) for t in zip(*l)]
for l in df['col1']],index=df.indeX)
col1 name m1 m2
0 [(1,22),(1.5,20),(3,32),(2,21)] A 1.875 23.75
1 [(2,24),(2.5,22)] B 2.250 23.00
2 [(6,12),(1.3,18),(5,21)] C 4.100 17.00
3 [(4,25),33),(7,21),30)] F 4.500 27.25
性能检查@H_197_3@
# Sample df with 40000 rows
df = pd.concat([df] * 10000,ignore_index=TruE)
%%timeit
e = df['col1'].explode()
pd.DataFrame([*e],index=e.indeX).mean(level=0)
# 107 ms ± 1 ms per loop (mean ± std. dev. of 7 runs,10 loops each)
%%timeit
pd.DataFrame([[sum(t) / len(t) for t in zip(*l)] for l in df['col1']],index=df.indeX)
# 50.5 ms ± 582 µs per loop (mean ± std. dev. of 7 runs,10 loops each)
以上是大佬教程为你收集整理的如何计算列熊猫数据框中列表的平均值全部内容，希望文章能够帮你解决如何计算列熊猫数据框中列表的平均值所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。