Python Pandas模块数据统计与说明常用要领

Pandas模块数据统计与说明常用要领

• df.describe()：按各列返回根基统计量和分位数
• df.count()：计较非NA值的数目，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.max()：计较最大值，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.min()：计较最小值，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.sum()：计较和，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.mean()：计较均匀值，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.median()：计较中位数，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.var()：计较方差，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.std()：计较尺度差，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.mad()：按照均匀值计较均匀绝对毛病，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.cumsum()：计较累计求和，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df.cov()：计较协方差矩阵，axis=0 按列计较，axis=1 按行计较，默认axis=0。
• df1.corrwith(df2)：计较相相关数
• df1['col1'].groupby(df1['col2'])：列1 凭证列2 分组，即列2为Key。
• grouped.agg({ 'col1':'fun1' , 'col2':'fun2' })：通过度组系列，还可以转达函数的列表或字典来举办聚合。对差异的列应用差异的函数的聚合，函数可所以多个。

示例数据集声名

接下来，我们将以如下数据集，分享各函数的行使要领。

df.describe()

按各列返回根基统计量和分位数。

df.count()

计较非NA值的数目，axis=0 按列计较，axis=1 按行计较，默认axis=0。

​df.max()

计较最大值，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.min()

计较最小值，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.sum()

计较和，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.mean()

计较均匀值，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.median()

计较中位数，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.var()

计较方差，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.std()

计较尺度差，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.mad()

按照均匀值计较均匀绝对毛病，axis=0 按列计较，axis=1 按行计较，默认axis=0。

{!-- PGC_COLUMN --}

df.cumsum()

计较累计求和，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df.cov()

计较协方差矩阵，axis=0 按列计较，axis=1 按行计较，默认axis=0。

df1.corrwith(df2)

计较相相关数。

df1['col1'].groupby(df1['col2'])

列1 凭证列2 分组，即列2为Key。

df.groupby('col1')

DataFrame凭证列1分组。

grouped.agg(['fun1','fun2'])

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!