介绍
在本实验中，我们将学习如何使用 Pandas 库中的 median() 方法来计算 DataFrame 中值的中位数。median() 方法允许我们找到数据集中的中间值，从而提供一种衡量数据集中趋势的方法。
虚拟机使用提示
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，可以随时向 Labby 寻求帮助。请在实验结束后提供反馈，我们将及时为你解决问题。
导入 pandas 库
首先，我们需要导入 'pandas' 库，它通常用于数据操作和分析。
import pandas as pd
创建一个 DataFrame
接下来，我们将使用 pd.DataFrame() 构造函数创建一个 DataFrame 对象。这将允许我们存储和操作数据。
df = pd.DataFrame({"A": [0, 52, 78], "B": [77, 45, 96], "C": [16, 23, 135], "D": [17, 22, 56]})
print("------The DataFrame is------")
print(df)
沿索引轴计算中位数
要沿 DataFrame 的索引轴计算中位数，我们可以使用 median() 方法，并将 axis 参数设置为 0。
print("---------------------------")
print(df.median(axis=0))
沿列轴计算中位数
要沿 DataFrame 的列轴计算中位数，我们可以使用 median() 方法，并将 axis 参数设置为 1。
print("---------------------------")
print(df.median(axis=1))
处理空值
如果我们的 DataFrame 包含空值（null values），可以通过指定 skipna 参数来处理。默认情况下，skipna 设置为 True，即在计算中位数时排除空值。如果我们希望包含空值，可以将 skipna 设置为 False。
df = pd.DataFrame({"A": [0, None, 78], "B": [77, 45, None], "C": [16, 23, None], "D": [17, 22, 56]})
print("------The DataFrame is------")
print(df)
print("---------------------------")
print(df.median(axis=0, skipna=False))
总结
在本实验中，我们学习了如何使用 Pandas 中的 median() 方法来计算 DataFrame 中值的中位数。我们探索了如何沿索引轴和列轴计算中位数。此外，我们还学习了在计算中位数时如何处理空值。计算中位数有助于理解数据集的集中趋势，并可用于在数据分析中做出明智的决策。