# Pandas mean(): Durchschnittswerte einfach errechnen

Die `DataFrame.mean()`-Funktion Python Pandas dient zur **Berechnung des Durchschnittswerts** über eine oder mehrere Achsen eines DataFrames. Pandas `mean()` ist entscheidend für die Analyse numerischer Daten und kann wertvolle Einblicke in deren Verteilung und Durchschnittswerte liefern.

## Syntax von Pandas `DataFrame.mean()`

Die Pandas-`mean()`-Funktion nimmt **bis zu drei Parameter** entgegen und folgt einer einfachen grundlegenden Syntax:

```python
DataFrame.mean(axis=None, skipna=True, numeric_only=None)
```

### Relevante Parameter

Mithilfe verschiedener Parameter kann das Verhalten von Pandas `DataFrame.mean()` für Ihren individuellen Anwendungsfall angepasst werden.

<table>
  <thead>
    <tr>
      <th><strong>Parameter</strong></th>
      <th><strong>Beschreibung</strong></th>
      <th><strong>Default-Wert</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`axis`</td>
      <td>Bestimmt, ob die Berechnung über Zeilen (`axis=0`) oder Spalten (`axis=1`) erfolgen soll</td>
      <td>`0`</td>
    </tr>
    <tr>
      <td>`skipna`</td>
      <td>Wenn `True`, werden NaN-Werte ignoriert</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`numeric_only`</td>
      <td>Wenn `True`, werden nur numerische Datentypen in die Berechnung einbezogen</td>
      <td>`False`</td>
    </tr>
  </tbody>
</table>

## Anwendung der Pandas `mean()`-Funktion

Pandas `DataFrame.mean()` kann auf verschiedene Weise angewendet werden.

### Durchschnittswerte für jede Spalte berechnen

In den folgenden Codebeispielen wird ein [Pandas-DataFrame](https://www.ionos.com/de-ch/digitalguide/websites/web-entwicklung/python-pandas-dataframe/) mit den folgenden Beispieldaten betrachtet:

```python
import pandas as pd
data = {
    'A': [1, 2, 3, 4],
    'B': [4, 5, 6, 7],
    'C': [7, 8, 9, 10]
}
df = pd.DataFrame(data)
print(df)
```

Der resultierende DataFrame ist der folgende:

```none
A  B    C
0  1  4    7
1  2  5    8
2  3  6    9
3  4  7  10
```

Um den Durchschnittswert jeder Spalte zu berechnen, kann die Pandas-`mean()`-Funktion mit dem Standardparameter `axis=0` genutzt werden:

```python
column_means = df.mean()
print(column_means)
```

Auf diese Weise werden die Mittelwerte jeder Spalte (A, B und C) berechnet, indem die Summe der Elemente durch die Anzahl der Elemente in jeder Spalte geteilt wird. Das Ergebnis ist folgende Pandas Series:

```none
A    2.5
B    5.5
C    8.5
dtype: float64
```

### Durchschnittswerte für jede Zeile berechnen

Wenn man stattdessen den Durchschnittswert für jede Zeile berechnen möchte, muss hierzu einfach der Parameter `axis` auf 1 gesetzt werden:

```python
row_means = df.mean(axis=1)
print(row_means)
```

Die Mittelwerte jeder Zeile werden durch den Einsatz von Pandas `mean()` berechnet, indem die Summe der Elemente durch die Anzahl der Elemente in jeder Zeile geteilt wird. Der Funktionsaufruf liefert folgenden Output:

```none
0    4.0
1    5.0
2    6.0
3    7.0
dtype: float64
```

### NaN-Werte ignorieren

Im folgenden Beispiel wird ein anderer DataFrame betrachtet, der einige NaN-Werte enthält:

```python
import pandas as pd
import numpy as np
data = {
    'A': [1, 2, np.nan, 4],
    'B': [4, np.nan, 6, 7],
    'C': [7, 8, 9, np.nan]
}
df = pd.DataFrame(data)
print(df)
```

Der obige Code resultiert in folgendem DataFrame:

```none
A    B    C
0  1.0  4.0  7.0
1  2.0  NaN  8.0
2  NaN  6.0  9.0
3  4.0  7.0  NaN
```

Um den Durchschnitt unter Berücksichtigung von NaN-Werten zu berechnen, wird der Parameter `skipna` verwendet. Der Standardwert ist `True`, was bedeutet, dass NaN-Werte von Pandas `mean()` automatisch ignoriert werden. Würde `skipna=False` gesetzt, würde der Mittelwert für jede Spalte, die mindestens einen NaN-Wert enthält, ebenfalls NaN sein.

```python
mean_with_nan = df.mean()
print(mean_with_nan)
```

Der Funktionsaufruf von Pandas `mean()` liefert:

```none
A    2.333333
B    5.666667
C    8.000000
dtype: float64
```


This is a markdown version of: [https://www.ionos.com/de-ch/digitalguide/websites/web-entwicklung/python-pandas-dataframe-mean/](https://www.ionos.com/de-ch/digitalguide/websites/web-entwicklung/python-pandas-dataframe-mean/) for AI/LLM consumption.