Pandas计算CSV各列均值并保存结果至新CSV的技术咨询

嗨，别担心，刚开始碰编程遇到这些小问题太正常啦！我来帮你把这些需求一步步拆解清楚~

首先说核心需求：计算CSV每列的均值，然后把结果导出成新的CSV文件。你之前的代码里误用了groupby——其实根本不需要分组，Pandas里直接用mean()方法就能一键计算所有列的均值，简单多了！

第一步：修正均值计算的代码 #

先看正确的操作流程：

1. 读取CSV文件
2. 直接调用df.mean()计算每列均值
3. （可选）调整数值显示格式，避免科学计数法

比如你的场景，正确代码应该是这样：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('ny_data.csv')

# 直接计算所有列的均值——这一步就搞定了！
column_means = df.mean()

print(column_means)

关于科学计数法的疑问 #

你看到的3.992766e+06其实是科学计数法，代表3.992766 × 10^6，也就是3992766左右。Pandas默认会对较大的数值用这种格式显示，如果你想改成普通的数字格式，可以加一行设置：

# 设置显示格式，保留两位小数，不用科学计数法
pd.set_option('display.float_format', '{:.2f}'.format)

print(column_means)

这样输出就会变成更直观的：

Upper Manhattan    3992766.00
Inwood             3397648.00
Harlem             3646264.00
...

第二步：把均值结果导出到新CSV #

拿到均值结果后，用to_csv()方法就能轻松保存成新文件：

# 把均值结果导出为CSV，index=True保留列名（作为第一列）
column_means.to_csv('district_means.csv', index=True, header=['Mean Value'])

这样生成的CSV文件会有两列：第一列是区域名称，第二列是对应的均值。

完整测试示例（包含生成测试数据） #

如果你需要先生成测试CSV再验证，完整代码可以这样写：

import pandas as pd
import numpy as np

# 定义数据规模
SIZE = 100

# 生成测试数据
nydata = pd.DataFrame({
    "Upper Manhattan": np.random.randint(low=2000000, high=6000000, size=SIZE),
    "Inwood": np.random.randint(low=3000000, high=3800000, size=SIZE),
    "Harlem": np.random.randint(low=2300000, high=5000000, size=SIZE),
    "Leonx Hill": np.random.randint(low=10000000, high=12000000, size=SIZE),
    "Astor Row": np.random.randint(low=4000000, high=6000000, size=SIZE),
    "Upper East Side": np.random.randint(low=20000000, high=25000000, size=SIZE)
})

# 保存测试数据到CSV
nydata.to_csv('ny_data.csv', index=False)

# 读取CSV并计算均值
df = pd.read_csv('ny_data.csv')
column_means = df.mean()

# 设置显示格式
pd.set_option('display.float_format', '{:.2f}'.format)
print("各区域均值：")
print(column_means)

# 保存均值到新CSV
column_means.to_csv('district_means.csv', index=True, header=['Mean Value'])
print("均值结果已保存到district_means.csv")

这样运行后，你既能看到控制台输出的清晰均值，又能得到一个只包含均值结果的新CSV文件啦！

备注：内容来源于stack exchange，提问作者Zarathustra