pandas分区间,算频率

import pandas as pd
path='F:/python/python数据分析与挖掘实战/图书配套数据、代码/chapter3/demo/data/catering_fish_congee.xls'
data=pd.read_excel(path,header=None,index_col=0)
data.index.name='日期'
data.columns=['销售额(元)']

xse=data['销售额(元)']
print(xse.max())
print(xse.min())
print(xse.max()-xse.min())

fanwei=list(range(0,4500,500))
fenzu=pd.cut(xse.values,fanwei,right=False)#分组区间,长度91
print(fenzu.codes)#标签
print(fenzu.categories)#分组区间,长度8
pinshu=fenzu.value_counts()#series,区间-个数
print(pinshu.index)

import matplotlib.pyplot as plt
pinshu.plot(kind='bar')
#plt.text(0,29,str(29))


qujian=pd.cut(xse,fanwei,right=False)
data['区间']=qujian.values
data.groupby('区间').median()
data.groupby('区间').mean()#每个区间平均数

pinshu_df=pd.DataFrame(pinshu,columns=['频数'])
pinshu_df['频率f']=pinshu_df / pinshu_df['频数'].sum()
pinshu_df['频率%']=pinshu_df['频率f'].map(lambda x:'%.2f%%'%(x*100))

pinshu_df['累计频率f']=pinshu_df['频率f'].cumsum()
pinshu_df['累计频率%']=pinshu_df['累计频率f'].map(lambda x:'%.4f%%'%(x*100))

In[158]: pinshu_df
Out[158]: 
              频数       频率f     频率%     累计频率f      累计频率%
[0, 500)      29  0.318681  31.87%  0.318681   31.8681%
[500, 1000)   20  0.219780  21.98%  0.538462   53.8462%
[1000, 1500)  12  0.131868  13.19%  0.670330   67.0330%
[1500, 2000)  12  0.131868  13.19%  0.802198   80.2198%
[2000, 2500)   8  0.087912   8.79%  0.890110   89.0110%
[2500, 3000)   3  0.032967   3.30%  0.923077   92.3077%
[3000, 3500)   4  0.043956   4.40%  0.967033   96.7033%
[3500, 4000)   3  0.032967   3.30%  1.000000  100.0000%

  • 2
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值