4.4 pandas的统计功能

4.4 pandas的统计功能

Pandas拥有一组常用的数学和统计方法，可以对 Series 与 DataFrame 进行快速的描述性统计，如求和、平均数、最大值、方差等，是最基础也是最实用的统计方法。一般来说，这些方法采用轴参数axis，就像NumPy数组的统计方法，但轴可以通过名称或整数来指定，对于DataFrame而言：

• axis=0，默认，表示按行index统计
• axis=1，表示按列columns统计

按哪个axis，就是这个axis要动起来（类似被for遍历），其他的axis保持不动

Pandas的axis参数:

1、axis = 0

• 如果是单行操作，就是指某一行
• 如果是聚合操作，指的就是跨行

2、axis = 1

• 如果是单列操作，就是指某一列
• 如果是聚合操作，指的就是跨列

In [1]:

import numpy as np
import pandas as pd

In [2]:

#读取学生信息
st = pd.read_excel('data/stinfo.xlsx',index_col=0)
st.head(3)

Out[2]:

	姓名	学号	出生日期	年龄	籍贯	性别	身高	体重	linux	python	网络	数据库	IT基础
0	甲一	50	2001年1月1日	19	福田	男	172	69	92	90	82	NaN	80
1	乙二	51	1999年2月2日	21	龙岗	男	180	77	95	88	85	NaN	80
2	丙三	52	2002年3月3日	18	南山	女	160	49	85	91	93	NaN	80

In [3]:

st.ndim

Out[3]:

2

In [4]:

st.shape

Out[4]:

(11, 13)

In [5]:

st.size

Out[5]:

143

4.4.1 数值型特征的统计

数值型数据的描述性统计主要包括了计算数值型数据的完整情况、最小值、均值、中位数、最大值、四分位数、极差、标准差、方差、协方差和变异系数等。在NumPy库中一些常用的统计学函数如下表所示。

pandas库基于NumPy，自然也可以用这些函数对数据框进行描述性统计。

In [6]:

np.max(st['linux'])#统计linux列的最大值

Out[6]:

98

In [7]:

np.median(st['linux'])#统计linux列的中位数

Out[7]:

85.0

In [8]:

int(np.mean(st['身高']))#统计身高列的均值

Out[8]:

169

In [9]:

np.sort(st['体重'])#体重列排序

Out[9]:

array([48, 49, 50, 53, 56, 63, 69, 70, 75, 77, 82], dtype=int64)

• Pandas统计函数

Pandas内置很多数学计算方法，如计算均值 ，st['linux技术成绩'].mean()。

In [10]:

st['linux'].mean().astype(int)

Out[10]:

83

In [11]:

st['linux'].max()#统计linux列的最大值

Out[11]:

98

In [12]:

st['linux'].median()#统计linux列的中位数

Out[12]:

85.0

pandas提供的方法describe()能够一次性得出dataframe所有数值型特征的非空值数目、均值、四分位数、标准差等。返回一个有多个行的所有数值列的统计表，每个行是一个统计指标，对我们初步了解数据还是很有作用。 

In [13]:

st.describe()

Out[13]:

	学号	年龄	身高	体重	linux	python	网络	数据库	IT基础
count	11.000000	11.000000	11.000000	11.000000	11.000000	11.000000</