pandas的小细节（二）

6 为什么pandas中的聚合运算遇到nan不会生成nan

6.1 nan的运算

import numpy as np
print(np.nan+4)
out(1): np.nan #这是因为nan与任何数字进行运算，结果均为nan

6.2 pandas中的聚合运算

import pandas as pd
import numpy as np
data = pd.DataFrame({"a":[1,2,3,np.nan],"b":[np.nan,2,3,4]})
print(data)
print(data.sum())

     a    b
0  1.0  NaN
1  2.0  2.0
2  3.0  3.0
3  NaN  4.0

a    6.0
b    9.0
dtype: float64

如图所示，在对其进行聚合运算时，本该因为数据中出现了
nan而结果应当为nan,但事实好像并不是如此

聚合运算中的skipna参数

print(data)
print(data.sum(skipna=False))

 a    b
0  1.0  NaN
1  2.0  2.0
2  3.0  3.0
3  NaN  4.0

a   NaN
b   NaN
dtype: float64

如图所示，当在聚合函数中使用了skipna参数，并令其为False，运算结果均为nan,另外，我们看到结果均是nan的那张数据表格数据类型是float,即nan的数据类型是float.

7 pandas中涉及多列数据的计算，如相关系数，协方差等

import pandas as pd
import numpy as np
df = pd.DataFrame({"a":[1,2,3,4,5],"b":[5,4,3,2,1]})
#计算a,b的相关系数
print(df["a"].corr(df["b"]))
#计算a,b的协方差
print(df["a"].cov(df["b"]))

-0.9999999999999999

-2.5

df.corr()
#将会计算各列之间的相关系数，生成一张表，我就不计算了
df.corrwith(df.a)
#计算某一列与其他整个表的相关系数