在本文中，我们将专注于Python mean()函数以执行均值运算。

平均值是代表整个实体集的值。
它被视为一组数字的中心值。

通过将所有实体值的总和除以实体数来计算平均值。
本质上，平均值是指定值的平均值。

式：

(值的总和)/总值

现在，让我们了解一下mean()函数计算平均值的工作原理。

使用Python mean()函数

mean()函数有助于计算传递给该函数的一组值的平均值。

Python统计模块用于对数据执行所有统计操作。
我们需要使用以下命令导入统计信息模块：

语法：导入统计信息模块

import statistics

statistics.mean()函数接受数据值作为参数，并返回传递给它的值的平均值。

语法：

statistics.mean(data)

例：

import statistics
data = [10,20,30,40,50]

res_mean = statistics.mean(data)
print(res_mean)

输出：

30

带有NumPy模块的Python mean()函数

Python NumPy模块以数组形式表示一组值。
我们可以使用numpy.mean()函数计算这些数组元素的平均值。

numpy.mean()函数的执行方式与statistics.mean()函数相同。

语法：

numpy.mean(data)

例：

import numpy as np
data = np.arange(1,10)
res_mean = np.mean(data)
print(res_mean)

在上面的示例中，我们使用了numpy.arange(start，stop)函数来生成作为参数提供的范围内的均匀间隔的值。
此外，" numpy.mean()函数"用于计算所有数组元素的均值。

输出：

5.0

带有Pandas模块的Python mean()函数

Python Pandas模块以DataFrames的形式处理庞大的数据集。
可以使用pandas.DataFrame.mean()函数计算这些庞大数据集的平均值。

pandas.DataFrame.mean()函数返回这些数据值的平均值。

语法：

pandas.DataFrame.mean()

范例1：

import numpy as np
import pandas as pd
data = np.arange(1,10)
df = pd.DataFrame(data)
res_mean = df.mean()
print(res_mean)

在上面的示例中，我们使用numpy.arange()函数创建了NumPy数组，然后使用pandas.DataFrame()函数将数组值转换为DataFrame。
此外，我们使用" pandas.DataFrame.mean()函数"计算了DataFrame值的平均值。

输出：

0    5.0
dtype: float64

范例2：

import pandas as pd 
data = pd.read_csv("C:/mtcars.csv")
res_mean = data['qsec'].mean()
print(res_mean)

输入数据集：

MTCARS数据集

在上面的示例中，我们使用了上述数据集，并计算了数据列" qsec"中所有数据值的平均值。

输出：

17.848750000000003