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 ...
最新文章
- padding 不占宽高_不占地方的复式楼室内电梯,极致微型,节电省力颜值高
- 高级java知识结构图,Spring高级框架课程笔记 PDF 下载
- 2008一打开项目就闪退_UE4[C++]项目编译相关的坑
- C	简单瞎搞题(牛客练习赛22)(bitset优化dp)
- WeWork通过向225,000个社区征税来拼命地从Meetup.com榨取现金
- java 幽灵引用_Java 幽灵引用的作用
- 今天,公司架构师跟我分享多年的私货 | 进阶之路必读书籍(附下载链接)
- 【高并发】java中的线程池 ThreadPoolExecutor
- 荣耀note10升级android9.0,荣耀Note 10成为办公“超神”利器,只需要升级EMUI 9.0就够了!...
- 初学JAVA随记——代码练习(二元一次方程)
- 辞职前一定要三思的八个问题
- java中数组的返回值是什么类型_面试必问:Java中String类型为什么设计成不可变的?...
- 单例模式与线程安全问题浅析
- Q129:PBRT-V3,均匀介质的采样(15.2.1章节)
- 那些互联网IT岗位的招聘潜台词,能看到说明你是历经磨难的老司机
- VS2017离线下载 -- 如何让VS2017不占用C盘
- win10系统时间与服务器同步报错,图文介绍win10系统电脑时间同步出错的解决技巧...
- MVC已过时,MOVE时代来临?
- 关于Linux的rear命令
- 快手基于 Flink 构建实时数仓场景化实践