如何在Python Pandas中计算数据集内object类型数据的均值？

我有一个xlsx格式的数据集，正在做数据预处理，需要计算均值、中位数、众数，还要完成描述性数据分析（包括记录数、属性数量、属性类型、集中趋势/离散程度度量、五数概括）。目前只有Backlit Keyboard列能计算均值，想知道如何处理那些object类型列的均值计算。

我的代码：

import pandas as panda

dataset = panda.read_excel('data.xlsx')
print(dataset.info())

dataset.info()输出：

dataset.head()输出：

只有数值型数据才能计算均值，你的object列混了不同类型的数据，需先做类型转换，按以下三类处理：

1. 带单位的纯数值列（如Memory Speed、Screen Size等） #

这类列的数值后跟着单位（MHz、inches、GB），先提取数值部分转成数值类型，再计算均值。

import pandas as pd

dataset = pd.read_excel('data.xlsx')

# 提取Memory Speed的数值部分并转float
dataset['Memory Speed'] = dataset['Memory Speed'].str.extract('(\d+\.?\d*)').astype(float)
print("Memory Speed均值:", dataset['Memory Speed'].mean())

# 提取Screen Size的数值部分并转float
dataset['Screen Size'] = dataset['Screen Size'].str.extract('(\d+\.?\d*)').astype(float)
print("Screen Size均值:", dataset['Screen Size'].mean())

2. 范围型数值列（如Device Weight：1 - 2 kg） #

这类列是数值范围，先将范围转为中间值，再转成数值类型。

def process_weight(weight_str):
    if pd.isna(weight_str):
        return None
    # 去除单位并拆分范围
    num_part = weight_str.replace(' kg', '').strip()
    if '-' in num_part:
        low, high = num_part.split('-')
        return (float(low.strip()) + float(high.strip())) / 2
    return float(num_part)

dataset['Device Weight'] = dataset['Device Weight'].apply(process_weight)
print("Device Weight均值:", dataset['Device Weight'].mean())

3. 分类/文本型列（如GPU Memory Type、Price等） #

这类列是分类标签（如Price的High/Medium/Low），没有均值的概念，只能计算众数（出现次数最多的类别）。若要数值化计算均值，可自定义映射规则（如将Price映射为High=3、Medium=2、Low=1）。

# 计算Operating System的众数
print("Operating System众数:", dataset['Operating System'].mode()[0])

# 自定义Price映射规则并计算均值
price_mapping = {'Low':1, 'Medium':2, 'High':3}
dataset['Price_Num'] = dataset['Price'].map(price_mapping)
print("Price数值化均值:", dataset['Price_Num'].mean())

4. 复合数值列（如Max Screen Resolution：1920 x 1080） #

这类列是复合数值，可提取宽度、高度计算总像素数，再算均值。

def process_resolution(res_str):
    if pd.isna(res_str):
        return None
    width, height = res_str.split('x')
    return int(width.strip()) * int(height.strip())

dataset['Screen Pixels'] = dataset['Max Screen Resolution'].apply(process_resolution)
print("Screen Pixels均值:", dataset['Screen Pixels'].mean())

批量处理建议 #

若有大量带单位的列，可写通用函数批量处理：

def extract_numeric(col):
    return col.str.extract('(\d+\.?\d*)').astype(float)

# 批量处理目标列
numeric_cols = ['Memory Speed', 'Screen Size', 'GPU Memory Size', 'Max Processor Speed', 'RAM (System Memory)', 'SSD Capacity']
for col in numeric_cols:
    dataset[col] = extract_numeric(dataset[col])
    print(f"{col}均值:", dataset[col].mean())

内容的提问来源于stack exchange，提问作者Berre Sena KIRAÇ