# Pandas mean() : la fonction pour calculer les valeurs moyennes

La fonction Python Pandas `DataFrame.mean()` sert à **calculer la valeur moyenne** sur un ou plusieurs axes d’un DataFrame. Pandas `mean()` est essentielle pour l’analyse de données, car elle fournit des informations précieuses sur leur distribution et leurs moyennes.

## La syntaxe de la fonction `DataFrame.mean()` de Pandas

La fonction Pandas `mean()` accepte **jusqu’à trois paramètres** et suit une syntaxe de base simple :

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

### Quels sont les paramètres pertinents ?

À l’aide de différents paramètres, le comportement de `DataFrame.mean()` de Pandas peut être adapté à votre cas d’utilisation personnel.

<table>
  <thead>
    <tr>
      <th><strong>Paramètres</strong></th>
      <th><strong>Description</strong></th>
      <th><strong>Valeur par défaut</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`axis`</td>
      <td>Détermine si le calcul doit être effectué sur des lignes (`axis=0`) ou des colonnes (`axis=1`)</td>
      <td>`0`</td>
    </tr>
    <tr>
      <td>`skipna`</td>
      <td>Si `True`, les valeurs NaN sont ignorées</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`numeric_only`</td>
      <td>Si `True`, seuls les types de données numériques sont pris en compte dans le calcul</td>
      <td>`False`</td>
    </tr>
  </tbody>
</table>

## Application de la fonction `mean()` de Pandas

La fonction `DataFrame.mean()` de Pandas peut être appliquée de différentes manières.

### Calculer les moyennes pour chaque colonne

Dans les exemples de code ci-dessous, on considère un [DataFrame Pandas](https://www.ionos.com/fr-be/digitalguide/sites-internet/developpement-web/python-pandas-dataframe/) avec les exemples de données suivants :

```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)
```

Le DataFrame résultant est le suivant :

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

Pour calculer la valeur moyenne de chaque colonne, on peut utiliser la fonction Pandas `mean()` avec le paramètre par défaut `axis=0` :

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

De cette manière, les moyennes de chaque colonne (A, B et C) sont calculées en divisant la somme des éléments par le nombre d’éléments dans chaque colonne. Le résultat est la Serie Pandas suivante :

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

### Calculer les moyennes pour chaque ligne

Si l’on souhaite plutôt calculer la moyenne pour chaque ligne, il suffit de mettre le paramètre `axis` à 1 :

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

Les moyennes de chaque ligne sont calculées en utilisant la fonction `mean()` de Pandas, en divisant la somme des éléments par le nombre d’éléments dans chaque ligne. L’appel de la fonction donne la sortie suivante :

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

### Ignorer les valeurs NaN

Dans l’exemple suivant, nous considérons un autre DataFrame qui contient quelques valeurs NaN (« *Not a Number* ») :

```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)
```

Le résultat du code ci-dessus se trouve dans le DataFrame suivant :

```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
```

Pour calculer la moyenne en tenant compte des valeurs NaN, on utilise le paramètre `skipna`. La valeur par défaut est `True`, ce qui signifie que les valeurs NaN sont automatiquement ignorées par la fonction `mean()`. Si `skipna=False`, la moyenne pour chaque colonne contenant au moins une valeur NaN serait également NaN.

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

L’appel de fonction de Pandas `mean()` permet alors d’obtenir :

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


This is a markdown version of: [https://www.ionos.com/fr-be/digitalguide/sites-internet/developpement-web/python-pandas-dataframe-mean/](https://www.ionos.com/fr-be/digitalguide/sites-internet/developpement-web/python-pandas-dataframe-mean/) for AI/LLM consumption.