pandas高级操作总结

最新推荐文章于 2022-06-05 15:01:56 发布

JasonStudy

最新推荐文章于 2022-06-05 15:01:56 发布

阅读量1k

点赞数

分类专栏： Python 数据分析文章标签： Python Pandas 分组聚合相关系数分位数

本文链接：https://blog.csdn.net/CSDN_wujian/article/details/84267883

版权

这篇博客总结了pandas的高级操作，包括列的分位数计算，多重聚合功能，如何使用自定义函数进行聚合和在聚合后的dataframe上应用函数。还探讨了移动平均、数据组基本信息、遍历、最大互信息数计算、皮尔逊相关系数以及如何自定义聚合和设置值的方法，如使用字典进行设置。

摘要由CSDN通过智能技术生成

1.pandas中的列的分位数

# 查看列的分位数
import pandas as pd
# set columns type
my_df['col'] = my_df['col'].astype(np.float64)

# computations for 4 quantiles : quartiles
bins_col = pd.qcut(my_df['col'], 4)
bins_col_label = pd.qcut(my_df['col'], 4).labels

2.多重聚合（组函数）

# 多重聚合（组函数）
# columns settings
grouped_on = 'col_0'  # ['col_0', 'col_2'] for multiple columns
aggregated_column = 'col_1'

### Choice of aggregate functions
## On non-NA values in the group
## - numeric choice :: mean, median, sum, std, var, min, max, prod
## - group choice :: first, last, count
# list of functions to compute
agg_funcs = ['mean', 'max']

# compute aggregate values
aggregated_values = my_df.groupby(grouped_on)[aggregated_columns].agg(agg_funcs)

# get the aggregate of group
aggregat