使用np.nan（）查找每行和每列的平均值

Question

我有一个包含10列的df，其中包含15个不同国家2006年至2015年的GDP。我试图得到过去十年的平均GDP。例如，德国2006年至2015年的平均GDP。这是我尝试使用的代码：

avgGDP = pd.DataFrame(Top15,columns=['2006','2007','2008','2009', '2010', '2011', '2012', '2013', '2014', '2015'])
avgGDP['avg10'] = np.nanmean(avgGDP)

但是，我得到的每个国家的平均值相同，即德国1000000；西班牙100万；英国1000000等

关于如何获得每个国家的个人平均值，有什么想法吗

编辑：

以下是前15名的截图：

Answer 1

你能过滤空值，然后运行一个平均值方法吗

df = (avgGDP.dropna( inplace = True )).mean()

在我看来，您正在对整个数据帧运行一个平均值，以获得一个数组，然后尝试将该数组生成一个列。更好的方法还可以是转置数据帧并作为列插入：

avgGDP = avgGDP.T
avgGDP['newRow'] = np.nanmean(avgGDP)
avgGDP.T