Pandas
Pandas可以进行统计特征计算,包括均值、方差、分位数、相关系数和协方差等,这些统计特征能反映数据的整体分布。
‘’’
mean():计算样本数据的算术平均值
std():计算标准差
cov():计算 协方差矩阵
var();计算方差
describe():描述样本数据的基本情况,包括非NaN数据个数,均值,标准差,最小值
样本的25%,50%,75%分位数,最大值
Pandas数据结构的范围可以从一维到三维。Series(序列)是一维的,DataFrame(数据框)是二维的,Panel是三维甚至更高维的数据结构。通常,Series和DataFrame可以用于大多数统计、工程、财务和社会科学的场景中。
Series:它是一个带标签的一维数组,可以用于存储任意类型数据,例如整型、浮点型、字符串和其他有效的Python对象。它的行标签称作index。
DataFrame:它是一个带标签的二维数组,有行和列。列可以有多种类型。DataFrame可以看作二维结构的数组,例如电子表格和数据库表格。DataFrame也可以看作包含多个不同类型的Series的集合。
Panel:在统计学和经济学中,Panel data(面板数据)指多维数据,这个多维数据包括不同时间的不同测量结果。该数据结构的名称来源于其概念。与Series和DataFrame相比,面板数据是不太常用的一种数据结构。
序列
构造一个序列可以使用如下方式实现:
通过同类型的列表或元组构建。
通过字典构建。
通过NumPy中的一维数组构建。
通过数据框中的某一列构建。
1.序列构造
#序列构建
import pandas as pd
import numpy as np
s1=pd.Series(np.array([1.5,2.5,4.5])