Pandas是一个强大的Python库，用于数据操作和分析。计算Pandas DataFrame中某列的平均值（均值）是一项经常需要的任务。本文演示了两种有效的实现方法：使用df.mean()方法和df.describe()方法。
目录：
使用df.mean()计算均值
df.mean()方法提供了一种直接计算DataFrame中所有数值列平均值的方法。要获得特定列的平均值，只需使用方括号或点表示法选择列，然后应用mean()方法。
示例如下：
import pandas as pd
# 示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 22, 28],
'Score': [85, 92, 78, 88]}
df = pd.DataFrame(data)
# 使用方括号表示法计算平均年龄
average_age = df['Age'].mean()
print(f"平均年龄：{average_age}")
# 使用点表示法计算平均分数
average_score = df.Score.mean()
print(f"平均分数：{average_score}")
这将输出：
平均年龄：26.25
平均分数：85.75
重要的是，df.mean()会智能地处理缺失值（NaN），将其排除在计算之外。但是，如果您的列包含非数值数据，则会遇到TypeError。在使用此方法之前，务必确保您的列仅包含数值。
使用df.describe()探索描述性统计
df.describe()方法会生成DataFrame描述性统计的综合摘要。这包括每列数值的均值、计数、标准差、最小值、最大值和四分位数。虽然它提供的不仅仅是平均值，但它是一种方便的方法，可以同时获得平均值和其他有价值的统计度量。
使用相同的DataFrame：
import pandas as pd
# 示例DataFrame（与之前相同）
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 22, 28],
'Score': [85, 92, 78, 88]}
df = pd.DataFrame(data)
# 描述性统计
summary_stats = df.describe()
print(summary_stats)
这将输出如下表格：
Age Score
count 4.0 4.0000
mean 26.25 85.7500
std 3.50 6.2361
min 22.00 78.0000
25% 23.75 81.2500
50% 26.50 86.5000
75% 29.25 90.2500
max 30.00 92.0000
“年龄”和“分数”的均值清晰可见。请记住，df.describe()仅处理数值列。
总而言之，df.mean()和df.describe()都提供了在Pandas DataFrame中计算列平均值的有效方法。选择最适合您需求的方法：仅需平均值则使用df.mean()，需要更广泛的统计概述则使用df.describe()。在应用这些方法之前，务必处理潜在的数据类型错误。