Pandas 基础（4）—— 汇总和计算描述统计

Pandas 对象拥有一组常用的数学和统计方法，他们大部分都属于约简和汇总统计，用于从 Series 中提取单个值（如 sum/mean），或者从 DataFrame 的行或列中提取一个 Series。

In [144]: df = DataFrame([[1,np.nan],[2,3],[np.nan,np.nan],[0,2]],...: index=['a','b','c','d'],columns=['one','two'])In [145]: df
Out[145]: one  two
a  1.0  NaN
b  2.0  3.0
c  NaN  NaN
d  0.0  2.0
# sum 方法返回一个含有列小计的 Series
In [146]: df.sum()
Out[146]:
one    3.0
two    5.0
dtype: float64
# axis 将会按行进行求和运算，NA 值会自动被排除
In [147]: df.sum(axis=1)
Out[147]:
a    1.0
b    5.0
c    0.0
d    2.0
dtype: float64
# 通过 skipna 参数可以禁用 NA 值参与计算
In [151]: df.sum(axis=1,skipna=False)
Out[151]:
a    NaN
b    5.0
c    NaN
d    2.0
dtype: float64

# idxmax、idxmin 返回的是间接统计（比如达到最小值或最大值的索引）
In [153]: df.idxmax()
Out[153]:
one    b
two    b
dtype: object
# cumsum 则是累计型的
In [154]: df.cumsum()
Out[154]: one  two
a  1.0  NaN
b  3.0  3.0
c  NaN  NaN
d  3.0  5.0

describe 用于一次性产生多个汇总统计：

In [155]: df.describe()
Out[155]: one       two
count  3.0  2.000000
mean   1.0  2.500000
std    1.0  0.707107
min    0.0  2.000000
25%    0.5  2.250000
50%    1.0  2.500000
75%    1.5  2.750000
max    2.0  3.000000

相关系数与协方差

P156

唯一值、值计数以及成员资格

从一维 Series 中提取不重复的值时，可以使用 unique 函数：

In [156]: obj = Series(['c','a','d','a','a','b','b','c','c'])In [157]: obj.unique()
Out[157]: array(['c', 'a', 'd', 'b'], dtype=object)

value_counts 用于计算一个 Series 中各值出现的频率：

In [160]: obj.value_counts()
Out[160]:
c    3
a    3
b    2
d    1
dtype: int64
# 顶级 pandas 方法，可用于任何数组或序列
In [162]: pd.value_counts(obj.values, sort=False)
Out[162]:
a    3
c    3
b    2
d    1
dtype: int64

isin 用于判断矢量化集合的成员资格，可用于选取 Series 中或 DataFrame 列中数据的子集：

obj
Out[163]:
0    c
1    a
2    d
3    a
4    a
5    b
6    b
7    c
8    c
dtype: objectobj.isin(['c','b'])
Out[164]:
0     True
1    False
2    False
3    False
4    False
5     True
6     True
7     True
8     True
dtype: boolIn [166]: mask = obj.isin(['c','b'])In [167]: obj[mask]
Out[167]:
0    c
5    b
6    b
7    c
8    c
dtype: object

Pandas 基础（4）—— 汇总和计算描述统计相关推荐

pandas知识点（汇总和计算描述统计）
调用DataFrame的sum方法会返还一个含有列的Series: In [5]: df = DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0 ...
python数据分析pandas_Python数据分析之 pandas汇总和计算描述统计
1. 聚合计算 pandas对象拥有一组常用的数学和统计方法.它们大部分都属于约简和汇总统计,用于从Series中提取单个值(如sum或mean)或从DataFrame的行或列中提取一个Serie ...
【Pandas】Pandas基础知识汇总
提示:该篇文章为自学笔记,bilibili学习视频出处bv: BV1UJ411A7Fs 1. Pandas作用用于数据分析.数据处理和数据可视化. 2. Pandas数据读取数据类型说明读取方 ...
【Python】Pandas基础：结构化数据处理
python:Pandas基础:结构化数据处理目录: 文章目录 @[toc] 一 pandas及其重要性二 pandas的数据结构介绍 1 Series 2 DataFrame 3 索引对象三 ...
数据载入、Pandas基础和探索性数据分析
1. 载入数据及初步观察 1.1 载入数据数据集下载 https://www.kaggle.com/c/titanic/overview 1.1.1 导入numpy和pandas import nu ...
pandas plot label_数据科学| 手把手教你用 pandas 索引、汇总、处理缺失数据
作者:Paul 编者按: pandas提供了很多常用的数学和统计方法,本文中将用十分详细的例子来具体进行介绍:另外在许多数据分析工作中,缺失数据是经常发生的,将会具体介绍如何处理缺失数据.本文十分详细 ...
字段缺失_数据科学| 手把手教你用 pandas 索引、汇总、处理缺失数据
作者:Paul 编者按: pandas提供了很多常用的数学和统计方法,本文中将用十分详细的例子来具体进行介绍:另外在许多数据分析工作中,缺失数据是经常发生的,将会具体介绍如何处理缺失数据.本文十分详细 ...
Python科学计算之Pandas基础学习
Python科学计算之Pandas基础学习导入Pandas 我们首先要导入我们的演出明星--Pandas. 这是导入Pandas的标准方式.显然,我们不希望每时每刻都在程序中写'pandas',但是 ...
pandas pivot 计算占比_数据分析Pandas 基础（二）
推荐阅读:数据分析--Pandas 基础(一) 上一节课介绍了 Pandas 的基本用法,这一章节我们通过对 "泰坦尼克号" 幸存者进行数据分析,来进一步的学习 pandas. t ...

Pandas 基础（4）—— 汇总和计算描述统计

Pandas 基础（4）—— 汇总和计算描述统计相关推荐

最新文章

热门文章

Pandas 基础 （4）—— 汇总和计算描述统计

Pandas 基础 （4）—— 汇总和计算描述统计相关推荐

最新文章

热门文章

Pandas 基础（4）—— 汇总和计算描述统计

Pandas 基础（4）—— 汇总和计算描述统计相关推荐