如何使用NumPy计算CSV文件指定列的平均值并解决类型报错问题

• 你当前读取的emp_code数组所有元素都是字符串类型（从输出的dtype='<U2'可确认），数值计算方法无法直接作用在字符串上，所以调用mean()会抛出类型错误
• np.mean['Age']的写法本身不正确：一方面np.mean是函数需要用圆括号传参，另一方面你当前读取的普通numpy数组不支持按列名索引，只有结构化数组、pandas DataFrame这类结构才支持列名访问

方案1：转换现有数组的年龄列为数值类型计算 #

无需修改读取逻辑，直接对提取的年龄列做类型转换后计算即可：

import numpy as np
# 提取索引为1的第二列（年龄列），转换为整数类型后计算平均值
age_col = emp_code[:, 1].astype(int)
age_mean = age_col.mean()
print(age_mean)

方案2：读取CSV时指定类型，支持按字段名访问 #

如果你的CSV有表头行，可在读取时指定字段名和对应类型，后续就可以直接按列名调用计算：

from numpy import genfromtxt
emp_code = genfromtxt('C:\\Users\\V\\Desktop\\data science\\DS1_C4_S1_Numpy_PracticeBrief.csv', 
                      delimiter=',', 
                      dtype=[('id', int), ('age', int)], # 按顺序指定每列的字段名和数据类型
                      skip_header=1) # 如果CSV第一行是表头就保留该参数，没有表头则删除
# 直接按字段名计算平均值
age_mean = emp_code['age'].mean()

方案3：使用pandas实现更简便的列操作 #

如果允许引入pandas库，按列名处理数据会更直观：

import pandas as pd
df = pd.read_csv('C:\\Users\\V\\Desktop\\data science\\DS1_C4_S1_Numpy_PracticeBrief.csv')
# 此处的Age替换为你CSV中年龄列的实际表头名即可
age_mean = df['Age'].mean()
print(age_mean)

内容的提问来源于stack exchange，提问作者Jon