用Python做数据分析之数据统计

接下来说说数据统计部分，这里主要介绍数据采样，标准差，协方差和相关系数的使用方法。

1、数据采样

Excel 的数据分析功能中提供了数据抽样的功能，如下图所示。Python 通过 sample 函数完成数据采样。

2、数据抽样

Sample 是进行数据采样的函数，设置 n 的数量就可以了。函数自动返回参与的结果。

1#简单的数据采样

2df_inner.sample(n=3)

3、简单随机采样

Weights 参数是采样的权重，通过设置不同的权重可以更改采样的结果，权重高的数据将更有希望被选中。这里手动设置 6 条数据的权重值。将前面 4 个设置为 0，后面两个分别设置为 0.5。

1 #手动设置采样权重

2 weights = [0, 0, 0, 0, 0.5, 0.5]

3 df_inner.sample(n=2, weights=weights)

手动设置采样权重1：从采样结果中可以看出，后两条权重高的数据被选中。

手动设置采样权重2：Sample 函数中还有一个参数 replace，用来设置采样后是否放回。

1 #采样后不放回

2 df_inner.sample(n=6, replace=False)

4、描述统计

Excel 中的数据分析中提供了描述统计的功能。Python 中可以通过 Describe 对数据进行描述统计。

Describe 函数是进行描述统计的函数，自动生成数据的数量，均值，标准差等数据。下面的代码中对数据表进行描述统计，并使用 round 函数设置结果显示的小数位。并对结果数据进行转置。

1#数据表描述性统计

2df_inner.describe().round(2).T

5、标准差

Python 中的 Std 函数用来接算特定数据列的标准差。

1 #标准差

2 df_inner[‘price’].std()

3 1523.3516556155596

6、协方差

Excel 中的数据分析功能中提供协方差的计算，python 中通过 cov 函数计算两个字段或数据表中各字段间的协方差。

Cov 函数用来计算两个字段间的协方差，可以只对特定字段进行计算，也可以对整个数据表中各个列之间进行计算。

1#两个字段间的协方差

2df_inner[‘price’].cov(df_inner[‘m-point’])

317263.200000000001

7、相关分析

Excel 的数据分析功能中提供了相关系数的计算功能，python 中则通过 corr 函数完成相关分析的操作，并返回相关系数。

1）相关系数

Corr 函数用来计算数据间的相关系数，可以单独对特定数据进行计算，也可以对整个数据表中各个列进行计算。相关系数在-1 到 1 之间，接近 1 为正相关，接近-1 为负相关，0 为不相关。

1 #相关性分析

2 df_inner[‘price’].corr(df_inner[‘m-point’])

3 0.77466555617085264

8、数据输出

第九部分是数据输出，处理和分析完的数据可以输出为 xlsx 格式和 csv 格式。

1）写入 excel

1#输出到 excel 格式

2df_inner.to_excel(‘excel_to_python.xlsx’, sheet_name=‘bluewhale_cc’)

2）写入CVS

1 #输出到 CSV 格式

2 df_inner.to_csv(‘excel_to_python.csv’)

在数据处理的过程中，大部分基础工作是重复和机械的，对于这部分基础工作，我们可以使用自定义函数进行自动化。以下简单介绍对数据表信息获取自动化处理。

1 #创建数据表

2 df = pd.DataFrame({‘id’:[1001,1002,1003,1004,1005,1006],

3’date’:pd.date_range(‘20130102’, periods=6),

4’city’:['Beijing ', ‘SH’, ’ guangzhou ', ‘Shenzhen’, ‘shanghai’, 'BEIJING '],

5 ‘age’:[23,44,54,32,34,32],

6 ‘category’:[‘100-A’,‘100-B’,‘110-A’,‘110-C’,‘210-A’,‘130-F’],

7 ‘price’:[1200,np.nan,2133,5433,np.nan,4432]},

8 columns =[‘id’,‘date’,‘city’,‘category’,‘age’,‘price’])

9

10 #创建自定义函数

11 def table_info(x):

12 shape=x.shape

13 types=x.dtypes

14 colums=x.columns

15 print(‘数据维度(行，列):\n’,shape)

16 print(‘数据格式:\n’,types)

17 print(‘列名称:\n’,colums)

18

19 #调用自定义函数获取 df 数据表信息并输出结果

20 table_info(df)

21

22 数据维度(行，列):

23 (6, 6)

24 数据格式:

25 id int64

26 date datetime64[ns]

27 city object

28 category object

29 age int64

30 price float64

31 dtype: object

32 列名称:

33 Index([‘id’, ‘date’, ‘city’, ‘category’, ‘age’, ‘price’], dtype=‘object’)

以上就是如何用Python做数据统计的全部内容了，感兴趣的小伙伴下方留言区留言。

文章来源：网络 版权归原作者所有

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理