如何在Pandas中为CSV数据添加均值(mean)与标准差(STD)并保存

前置依赖 #

先确保安装了pandas：

pip install pandas

代码实现 #

import pandas as pd

# 读取原始数据（替换为你的文件路径）
# 若数据是空格分隔，将sep改为"\s+"；逗号分隔则用","
df = pd.read_csv("input.csv", sep="\t")

# 计算每列均值、标准差，保留两位小数
mean_vals = df.mean().round(2)
std_vals = df.std().round(2)

# 构造均值、标准差行，第一列分别标记为"mean"、"STD"
mean_row = pd.DataFrame([["mean"] + mean_vals.tolist()], columns=[""] + df.columns.tolist())
std_row = pd.DataFrame([["STD"] + std_vals.tolist()], columns=[""] + df.columns.tolist())

# 处理原始数据：添加空的第一列，对齐目标格式
original_data = df.copy()
original_data.insert(0, "", "")

# 拼接统计行与原始数据
final_df = pd.concat([mean_row, std_row, original_data], ignore_index=True)

# 保存为目标CSV文件（替换为你的输出路径）
final_df.to_csv("output.csv", index=False, sep="\t")

关键说明 #

• 分隔符适配：根据原始数据的实际分隔格式调整sep参数，确保数据读取正确
• 精度控制：round(2)保证统计结果保留两位小数，与示例格式一致
• 列对齐：通过添加空第一列，让原始数据行与顶部统计行的列结构完全匹配

内容的提问来源于stack exchange，提问作者직장인