Lesson6——Pandas Pandas描述性统计

1 简介

  描述统计学(descriptive statistics)是一门统计学领域的学科,主要研究如何取得反映客观现象的数据,并以图表形式对所搜集的数据进行处理和显示,最终对数据的规律、特征做出综合性的描述分析。

  下列表格对 Pandas 常用的统计学函数做了简单的总结:

函数名称 描述说明
count() 统计某个非空值的数量。
sum() 求和
mean() 求均值
median() 求中位数
mode() 求众数
std() 求标准差
min() 求最小值
max() 求最大值
abs() 求绝对值
prod() 求所有数值的乘积。
cumsum() 计算累计和,axis=0,按照行累加;axis=1,按照列累加。
cumprod() 计算累计积,axis=0,按照行累积;axis=1,按照列累积。
corr() 计算数列或变量之间的相关系数,取值-1到1,值越大表示关联性越强。

  在 DataFrame 中,使用聚合类方法时需要指定轴(axis)参数。下面介绍两种传参方式:

    • 对行操作,默认使用 axis=0 或者使用 "index";
    • 对列操作,默认使用 axis=1 或者使用 "columns"。

    Lesson6——Pandas Pandas描述性统计_第1张图片

 

 

  从上图可看出,axis=0 表示按垂直方向进行计算,而 axis=1 则表示按水平方向

  创建一个 DataFrame 结构,如下所示:

d = {'Name':pd.Series(['Jack','Blair','Jane','Lee']),
      'Age':pd.Series([11,12,13,14]),
     'Score':pd.Series([1,2,3,4])
    }
df = pd.DataFrame(d)
print(df)

  输出结果:

    Name  Age  Score
0   Jack   11      1
1  Blair   12      2
2   Jane   13      3
3    Lee   14      4

2 应用

2.1 sum()求和

  在默认情况下,返回 axis=0 的所有值的和。示例1 如下:

df.sum()

  输出结果:

Name     JackBlairJaneLee
Age                    50
Score                  10
dtype: object

  注意:sum() 和 cumsum() 函数可以同时处理数字和字符串数据。虽然字符聚合通常不被使用,但使用这两个函数并不会抛出异常;而对于 abs()、cumprod() 函数则会抛出异常,因为它们无法操作字符串数据。

  示例2

df.sum(axis= 1)#只对number数据进行处理

  输出结果:

0    12
1    14
2    16
3    18
dtype: int64

2.2 mean()求均值

  示例3

df.mean()#只对number数据进行处理

  输出结果:

Age      12.5
Score     2.5
dtype: float64

  示例4

df.mean(axis=1)#只对number数据进行处理

  输出结果:

0    6.0
1    7.0
2    8.0
3    9.0
dtype: float64

2.3 std()求标准差

  返回数值列的标准差。

  标准差是方差的算术平方根,它能反映一个数据集的离散程度。注意,平均数相同的两组数据,标准差未必相同。

  示例5

df.std()

  输出结果:

Age      1.290994
Score    1.290994
dtype: float64

  示例6

df.std(axis = 1)

  输出结果:

0    7.071068
1    7.071068
2    7.071068
3    7.071068
dtype: float64

2.4 数据汇总描述

  describe()  函数显示与 DataFrame 数据列相关的统计信息摘要。

  示例7

df.describe()

  输出结果:

	Age	        Score
count	4.000000	4.000000
mean	12.500000	2.500000
std	1.290994	1.290994
min	11.000000	1.000000
25%	11.750000	1.750000
50%	12.500000	2.500000
75%	13.250000	3.250000
max	14.000000	4.000000

  describe() 函数输出了平均值、std 和 IQR 值(四分位距)等一系列统计信息。通过 describe() 提供的include能够筛选字符列或者数字列的摘要信息。

  include 相关参数值说明如下:

    • object: 表示对字符列进行统计信息描述;
    • number:表示对数字列进行统计信息描述;
    • all:汇总所有列的统计信息。

  示例8:

df.describe(include=['number'])

  输出结果:

	Age	        Score
count	4.000000	4.000000
mean	12.500000	2.500000
std	1.290994	1.290994
min	11.000000	1.000000
25%	11.750000	1.750000
50%	12.500000	2.500000
75%	13.250000	3.250000
max	14.000000	4.000000

  示例9:

df.describe(include='object')

  输出结果:

	Name
count	4
unique	4
top	Blair
freq	1

  示例10:

df.describe(include='all')

  输出结果:

	Name	Age	Score
count	4	4.000000	4.000000
unique	4	NaN	NaN
top	Blair	NaN	NaN
freq	1	NaN	NaN
mean	NaN	12.500000	2.500000
std	NaN	1.290994	1.290994
min	NaN	11.000000	1.000000
25%	NaN	11.750000	1.750000
50%	NaN	12.500000	2.500000
75%	NaN	13.250000	3.250000
max	NaN	14.000000	4.000000

 

你可能感兴趣的:(Lesson6——Pandas Pandas描述性统计)