做装修公司网站,视频制作公司排行,怎么做网站能快速赚钱,福州做网站开发需要多少钱CSDN 课程推荐#xff1a;《迈向数据科学家#xff1a;带你玩转Python数据分析》#xff0c;讲师齐伟#xff0c;苏州研途教育科技有限公司CTO#xff0c;苏州大学应用统计专业硕士生指导委员会委员#xff1b;已出版《跟老齐学Python#xff1a;轻松入门》《跟老齐学Py…
CSDN 课程推荐《迈向数据科学家带你玩转Python数据分析》讲师齐伟苏州研途教育科技有限公司CTO苏州大学应用统计专业硕士生指导委员会委员已出版《跟老齐学Python轻松入门》《跟老齐学PythonDjango实战》、《跟老齐学Python数据分析》和《Python大学实用教程》畅销图书。Pandas 系列文章
Python 数据分析三剑客之 Pandas一认识 Pandas 及其 Series、DataFrame 对象Python 数据分析三剑客之 Pandas二Index 索引对象以及各种索引操作Python 数据分析三剑客之 Pandas三算术运算与缺失值的处理Python 数据分析三剑客之 Pandas四函数应用、映射、排序和层级索引Python 数据分析三剑客之 Pandas五统计计算与统计描述Python 数据分析三剑客之 Pandas六GroupBy 数据分裂、应用与合并Python 数据分析三剑客之 Pandas七合并数据集Python 数据分析三剑客之 Pandas八数据重塑、重复数据处理与数据替换Python 数据分析三剑客之 Pandas九时间序列Python 数据分析三剑客之 Pandas十数据读写 另有 NumPy、Matplotlib 系列文章已更新完毕欢迎关注
NumPy 系列文章https://itrhx.blog.csdn.net/category_9780393.htmlMatplotlib 系列文章https://itrhx.blog.csdn.net/category_9780418.html 推荐学习资料与网站博主参与部分文档翻译
NumPy 官方中文网https://www.numpy.org.cn/Pandas 官方中文网https://www.pypandas.cn/Matplotlib 官方中文网https://www.matplotlib.org.cn/NumPy、Matplotlib、Pandas 速查表https://github.com/TRHX/Python-quick-reference-table 文章目录【01x00】统计计算【01x01】sum() 求和【01x02】min() 最小值【01x03】max() 最大值【01x04】mean() 平均值【01x05】idxmin() 最小值索引【01x06】idxmax() 最大值索引【02x00】统计描述【03x00】常用统计方法这里是一段防爬虫文本请读者忽略。
本文原创首发于 CSDN作者 TRHX。
博客首页https://itrhx.blog.csdn.net/
本文链接https://itrhx.blog.csdn.net/article/details/106788501
未经授权禁止转载恶意转载后果自负尊重原创远离剽窃【01x00】统计计算
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 Series。跟对应的 NumPy 数组方法相比它们都是基于没有缺失数据的假设而构建的。
【01x01】sum() 求和
sum() 方法用于返回指定轴的和相当于 numpy.sum()。
在 Series 和 DataFrame 中的基本语法如下 Series.sum(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, min_count0, **kwargs) DataFrame.sum(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, min_count0, **kwargs)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.sum.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sum.html
常用参数描述如下
参数描述axis指定轴求和0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型求和时是否排除缺失值NA/null默认 Truelevel如果轴是 MultiIndex层次结构则沿指定层次求和
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.sum()
14obj.sum(levelblooded)
blooded
warm 6
cold 8
Name: legs, dtype: int64obj.sum(level0)
blooded
warm 6
cold 8
Name: legs, dtype: int64在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.sum()
one 9.25
two -5.80
dtype: float64obj.sum(axis1)
a 1.40
b 2.60
c 0.00
d -0.55
dtype: float64【01x02】min() 最小值
min() 方法用于返回指定轴的最小值。
在 Series 和 DataFrame 中的基本语法如下 Series.min(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs) DataFrame.min(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.min.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.min.html
常用参数描述如下
参数描述axis指定轴求最小值0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型求最小值时是否排除缺失值NA/null默认 Truelevel如果轴是 MultiIndex层次结构则沿指定层次求最小值
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.min()
0obj.min(levelblooded)
blooded
warm 2
cold 0
Name: legs, dtype: int64obj.min(level0)
blooded
warm 2
cold 0
Name: legs, dtype: int64在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.min()
one 0.75
two -4.50
dtype: float64obj.min(axis1)
a 1.4
b -4.5
c NaN
d -1.3
dtype: float64obj.min(axiscolumns, skipnaFalse)
a NaN
b -4.5
c NaN
d -1.3
dtype: float64【01x03】max() 最大值
max() 方法用于返回指定轴的最大值。
在 Series 和 DataFrame 中的基本语法如下 Series.max(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs) DataFrame.max(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.max.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.max.html
常用参数描述如下
参数描述axis指定轴求最大值0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型求最大值时是否排除缺失值NA/null默认 Truelevel如果轴是 MultiIndex层次结构则沿指定层次求最大值
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.max()
8obj.max(levelblooded)
blooded
warm 4
cold 8
Name: legs, dtype: int64obj.max(level0)
blooded
warm 4
cold 8
Name: legs, dtype: int64在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.max()
one 7.1
two -1.3
dtype: float64obj.max(axis1)
a 1.40
b 7.10
c NaN
d 0.75
dtype: float64obj.max(axiscolumns, skipnaFalse)
a NaN
b 7.10
c NaN
d 0.75
dtype: float64【01x04】mean() 平均值
mean() 方法用于返回指定轴的平均值。
在 Series 和 DataFrame 中的基本语法如下 Series.mean(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs) DataFrame.mean(self, axisNone, skipnaNone, levelNone, numeric_onlyNone, **kwargs)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.mean.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.mean.html
常用参数描述如下
参数描述axis指定轴求平均值0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型求平均值时是否排除缺失值NA/null默认 Truelevel如果轴是 MultiIndex层次结构则沿指定层次求平均值
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.mean()
3.5obj.mean(levelblooded)
blooded
warm 3
cold 4
Name: legs, dtype: int64obj.mean(level0)
blooded
warm 3
cold 4
Name: legs, dtype: int64在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.mean()
one 3.083333
two -2.900000
dtype: float64obj.mean(axis1)
a 1.400
b 1.300
c NaN
d -0.275
dtype: float64obj.mean(axiscolumns, skipnaFalse)
a NaN
b 1.300
c NaN
d -0.275
dtype: float64【01x05】idxmin() 最小值索引
idxmin() 方法用于返回最小值的索引。
在 Series 和 DataFrame 中的基本语法如下 Series.idxmin(self, axis0, skipnaTrue, *args, **kwargs) DataFrame.idxmin(self, axis0, skipnaTrue)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.idxmin.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.idxmin.html
常用参数描述如下
参数描述axis指定轴0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型是否排除缺失值NA/null默认 True
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.idxmin()
(cold, fish)在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.idxmin()
one d
two b
dtype: object【01x06】idxmax() 最大值索引
idxmax() 方法用于返回最大值的索引。
在 Series 和 DataFrame 中的基本语法如下 Series.idxmax(self, axis0, skipnaTrue, *args, **kwargs) DataFrame.idxmax(self, axis0, skipnaTrue)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.idxmax.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.idxmax.html
常用参数描述如下
参数描述axis指定轴0 or ‘index’1 or ‘columns’只有在 DataFrame 中才有 1 or columns’skipnabool 类型是否排除缺失值NA/null默认 True
在 Series 中的应用 import pandas as pdidx pd.MultiIndex.from_arrays([[warm, warm, cold, cold],[dog, falcon, fish, spider]],names[blooded, animal])obj pd.Series([4, 2, 0, 8], namelegs, indexidx)obj
blooded animal
warm dog 4falcon 2
cold fish 0spider 8
Name: legs, dtype: int64obj.idxmax()
(cold, spider)在 DataFrame 中的应用 import pandas as pdimport numpy as npobj pd.DataFrame([[1.4, np.nan], [7.1, -4.5],[np.nan, np.nan], [0.75, -1.3]],index[a, b, c, d],columns[one, two])objone two
a 1.40 NaN
b 7.10 -4.5
c NaN NaN
d 0.75 -1.3obj.idxmax()
one b
two d
dtype: object【02x00】统计描述
describe() 方法用于快速综合统计结果计数、均值、标准差、最大最小值、四分位数等。还可以通过参数来设置需要忽略或者包含的统计选项。
在 Series 和 DataFrame 中的基本语法如下 Series.describe(self: ~ FrameOrSeries, percentilesNone, includeNone, excludeNone) DataFrame.describe(self: ~ FrameOrSeries, percentilesNone, includeNone, excludeNone)
官方文档 https://pandas.pydata.org/docs/reference/api/pandas.Series.describe.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.describe.html
参数描述percentiles数字列表可选项要包含在输出中的百分比。所有值都应介于 0 和 1 之间。默认值为 [.25、.5、.75]即返回第 25、50 和 75 个百分点include要包含在结果中的数据类型数据类型列表默认 None具体取值类型参见官方文档exclude要从结果中忽略的数据类型数据类型列表默认 None具体取值类型参见官方文档
描述数字形式的 Series 对象 import pandas as pdobj pd.Series([1, 2, 3])obj
0 1
1 2
2 3
dtype: int64obj.describe()
count 3.0
mean 2.0
std 1.0
min 1.0
25% 1.5
50% 2.0
75% 2.5
max 3.0
dtype: float64分类描述 import pandas as pdobj pd.Series([a, a, b, c])obj
0 a
1 a
2 b
3 c
dtype: objectobj.describe()
count 4
unique 3
top a
freq 2
dtype: object描述时间戳 import pandas as pdobj pd.Series([np.datetime64(2000-01-01),np.datetime64(2010-01-01),np.datetime64(2010-01-01)])obj
0 2000-01-01
1 2010-01-01
2 2010-01-01
dtype: datetime64[ns]obj.describe()
count 3
unique 2
top 2010-01-01 00:00:00
freq 2
first 2000-01-01 00:00:00
last 2010-01-01 00:00:00
dtype: object描述 DataFrame 对象 import pandas as pdobj pd.DataFrame({categorical: pd.Categorical([d,e,f]), numeric: [1, 2, 3], object: [a, b, c]})objcategorical numeric object
0 d 1 a
1 e 2 b
2 f 3 cobj.describe()numeric
count 3.0
mean 2.0
std 1.0
min 1.0
25% 1.5
50% 2.0
75% 2.5
max 3.0不考虑数据类型显示所有描述 import pandas as pdobj pd.DataFrame({categorical: pd.Categorical([d,e,f]), numeric: [1, 2, 3], object: [a, b, c]})objcategorical numeric object
0 d 1 a
1 e 2 b
2 f 3 cobj.describe(includeall)categorical numeric object
count 3 3.0 3
unique 3 NaN 3
top f NaN c
freq 1 NaN 1
mean NaN 2.0 NaN
std NaN 1.0 NaN
min NaN 1.0 NaN
25% NaN 1.5 NaN
50% NaN 2.0 NaN
75% NaN 2.5 NaN
max NaN 3.0 NaN仅包含 category 列 import pandas as pdobj pd.DataFrame({categorical: pd.Categorical([d,e,f]), numeric: [1, 2, 3], object: [a, b, c]})objcategorical numeric object
0 d 1 a
1 e 2 b
2 f 3 cobj.describe(include[category])categorical
count 3
unique 3
top f
freq 1【03x00】常用统计方法
其他常用统计方法参见下表
方法描述官方文档count非NA值的数量Series丨DataFramedescribe针对Series或各DataFrame列计算汇总统计Series丨DataFramemin计算最小值Series丨DataFramemax计算最大值Series丨DataFrameargmin计算能够获取到最小值的索引位置整数Seriesargmax计算能够获取到最大值的索引位置整数Seriesidxmin计算能够获取到最小值的索引值Series丨DataFrameidxmax计算能够获取到最大值的索引值Series丨DataFramequantile计算样本的分位数0到1Series丨DataFramesum值的总和Series丨DataFramemean值的平均数Series丨DataFramemedian值的算术中位数50%分位数Series丨DataFramemad根据平均值计算平均绝对离差Series丨DataFramevar样本值的方差Series丨DataFramestd样本值的标准差Series丨DataFrame这里是一段防爬虫文本请读者忽略。
本文原创首发于 CSDN作者 TRHX。
博客首页https://itrhx.blog.csdn.net/
本文链接https://itrhx.blog.csdn.net/article/details/106788501
未经授权禁止转载恶意转载后果自负尊重原创远离剽窃
