【笔记】嵩天数据分析-pandas数据排序及统计分析

目录

1. 排序

1.1 根据索引排序.sort_index()

1.2 根据数据进行排序.sort_values

2. 基础统计分析 .describe()

 3. 累计统计分析

3.1 基础统计

 3.2 滚动计算（窗口计算）

4. 数据的相关分析.corr()

---

1. 排序

1.1 根据索引排序.sort_index()

.sort_index(axis = 0, ascending = True)  默认0轴，升序

1.2 根据数据进行排序.sort_values

.sort_values

Series.sort_values(axis=0,ascending=True)

Series.DataFrame_values(by, axis=0,ascending=True)

    by:axis轴上某一个索引或者索引列表

 

--Nan空值统一放到排序末尾

2. 基础统计分析 .describe()

适用于Series和DataFrame类型

方法	说明
.sum()	计算数据总和；默认按0轴计算，下同
.count()	非NaN值的数量
.mean()  .median()	算术平均数、算术中位数
.var()    .std()	方差、标准差
.min()    .max	最小值、最大值
.describe()	针对0轴（各列）的统计汇总

适用于Series类型

方法	说明
.argmin()     .argmax()	最大值、最小值所在位置得索引位置（自动索引）
.idxmin()     .idxmax()	~（自定义索引）

.describe()

 Series.describe()数据是Series类型，所以可以用索引 

DataFrame.describe()数据是Series类型，所以可以用索引 

 3. 累计统计分析

3.1 基础统计

适用于Series和DataFrame类型

方法	参数
.cumsum()	依次给出前1、2、...、n个数的和
.cumprod()	~积
.cummax()	~最大值
.cummin()	~最小值

 3.2 滚动计算（窗口计算）

适用于Series和DataFrame类型

方法	说明
.rollling(w).sum()	依次计算相邻w个元素的和
.rollling(w).mean()	算术平均
.rollling(w).var()	方差
.rollling(w).std()	标准差
.rollling(w).min()    .max()	最小值、最大值

4. 数据的相关分析.corr()

-- Pearson相关系数

r绝对值	相关性
0.8-1.0	极强相关
0.6-0.8	强相关
0.4-0.6	中等程度相关
0.2-0.4	弱相关
0.0-0.2	极弱相关或无相关

-- 相关分析函数

方法	说明
.cov()	协方差矩阵
.corr()	相关系数矩阵，Pearson\Spearman\Kendall等系数