《对比Excel,轻松学习Python数据分析》读书笔记------数据运算

本文详细介绍了使用Python的pandas库进行数据运算,包括算术、比较、汇总运算,如加减乘除、比较、计数、求和、平均数、最值、中位数、众数、方差、标准差、分位数、协方差和相关系数。通过实例展示了Excel与Python运算的对应方法,适用于数据分析和处理。
摘要由CSDN通过智能技术生成

8 数据运算

8.1 算术运算

Excel

基本的公式运用

=算术运算对象 算术运算符(+ - * /) 算术运算对象
Python

Series对象可以直接通过算术符进行加减乘除等运算,返回一个新的Series对象

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

# 两列相加
print(df["A"] + df["B"])
"""
0    5
1    7
2    9
dtype: int64
"""
# 两列相减
print(df["A"] - df["B"])
"""
0   -3
1   -3
2   -3
dtype: int64
"""

#两列相乘
print(df["A"] * df["B"])
"""
0     4
1    10
2    18
dtype: int64
"""

#两列相除
print(df["A"] / df["B"])
"""
0    0.25
1    0.40
2    0.50
dtype: float64
"""

# 列的每个元素+1
print(df["A"] + 1)
"""
0    2
1    3
2    4
Name: A, dtype: int64
"""

# 列的每个元素-1
print(df["A"] - 1)
"""
0    0
1    1
2    2
Name: A, dtype: int64
"""

#列的每个元素乘2
print(df["A"] * 2)
"""
0    2
1    4
2    6
Name: A, dtype: int64
"""

#列的每个元素除2
print(df["A"] / 2)
"""
0    0.5
1    1.0
2    1.5
Name: A, dtype: float64
"""

8.2 比较运算

Excel

基本的公式运用

=比较运算对象 比较运算符(> = < >= <= <>[不等于]) 比较运算对象
Python

Series对象可以直接通过比较符(> == < >= <= !=)进行比较运算,返回一个新的Series对象,由比较的结果(TrueFalse)组成。

df = pd.DataFrame({"A": [1, 3, 4], "B": [2, 3, 5]})
print(df["A"] < df["B"])
"""
0     True
1    False
2     True
dtype: bool
"""

print(df["A"] == df["B"])
"""
0    False
1     True
2    False
dtype: bool
"""

8.3 汇总运算

8.3.1 计算总个数count

Excel
=COUNTA(区域)   # 计算指定区域内的非空单元格总数
=COUNT(区域)	  # 计算指定区域的数值型数据个数
Python
df.count(axis: 'Axis' = 0,
         numeric_only: 'bool' = False)
  • axis设置把行(0"index")计数还是把列(1"columns")计数
  • numeric_only设置只计算数值型数据行/列(int,float,bool)。
  • 返回值为一个由行名(axis=1)或列名(axis=0)作索引,各列/行的非空值组成的Series对象,

如:

df = pd.DataFrame({
    "A": [1, 3, 4, 5, 5, 6],
    "B": [2, 3, 5, None, None, 2],
    "C": ["hello", "world", 1, 2, 3, None]
},index=["一","二","三","四","五","六"])

result = df.count()
print(result)
"""
A    6
B    4
C    5
dtype: int64
"""

result = df.count(axis=1)
print(result)
"""
一    3
二    3
三    3
四    2
五    2
六    2
dtype: int64
"""

result = df.count(numeric_only=True)
print(result)
"""
A    6
B    4
dtype: int64
"""
Series.count()
  • 返回该Series对象中的非空值总个数

如:

n = df["B"].count()
print(n)
# 4

8.3.2 计算总和sum

Excel
=SUM(区域)
Python
df.sum(axis=None,
       skipna=True,
       numeric_only=None,
       min_count=0)
  • axis设置把行(0"index")求和还是把列(1"columns")求和
  • skipna设置忽略空值
  • numeric_only设置只计算数值型数据行/列(int,float,bool)。
  • min_count设置最低求和数个数。如何本列/行的数值型数据个数小于该最低求和数个数,将不会进行求和运算。
  • 返回值为一个由行名(axis=1)或列名(axis=0)作索引,各列/行的数据总和组成的Series对象,

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.sum())
"""
A    24.0
B    51.0
C    15.0
dtype: float64
"""
print(df.sum(axis=1))
"""
一    15.0
二     9.0
三     9.0
四    24.0
五    25.0
六     8.0
dtype: float64
"""
print(df.sum(min_count=3))
"""
A    24.0
B    51.0
C     NaN
dtype: float64
"""
Series.sum()
  • 返回该Series对象的数据的总和

如:

s = df["B"].sum()
print(s)
# 51

8.3.3 计算算术平均数mean

算 术 平 均 数 : m e a n ( A n ) = a 1 + a 2 + ⋅ ⋅ ⋅ + a n n = 1 n ∑ i = 1 n a i 算术平均数:mean(A_n)=\frac{a_1+a_2+···+a_n}{n}=\frac{1}{n}\sum_{i=1}^{n}a_i \\ :mean(An)=na1+a2++an=n1i=1nai

Excel
=AVGERAGE(区域)
Python

参数和返回值类似sum()

df.mean(axis: 'int | None | lib.NoDefault' = <no_default>,
        skipna=True,
        numeric_only=None)
Series.mean()

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.mean())
"""
A    4.0
B    8.5
C    7.5
dtype: float64
"""

print(df.mean(axis=1))
"""
一     5.0
二     3.0
三     4.5
四    12.0
五    12.5
六     4.0
dtype: float64
"""

print(df["B"].mean())
# 8.5

8.3.4 计算最值max min

Excel
=MAX(区域)
=MIN(区域)
Python

参数和返回值类似sum()

df.max(axis: 'int | None | lib.NoDefault' = <no_default>,
       skipna=True,
       numeric_only=None)

df.min(axis: 'int | None | lib.NoDefault' = <no_default>,
       skipna=True,
       numeric_only=None)
Series.max()
Series.min()

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.max())
"""
A     6.0
B    20.0
C    12.0
dtype: float64
"""
print(df.min(axis=1))
"""
一    1.0
二    3.0
三    4.0
四    5.0
五    5.0
六    2.0
dtype: float64
"""
print(df["B"].max())
# 20

8.3.5 计算中位数median

中 位 数 : 将 数 据 从 小 到 大 排 列 , 位 于 正 中 间 的 一 个 数 据 或 两 个 数 据 的 平 均 值 m e d i a n   ( A 2 k ) = a k + a k + 1 2 m e d i a n   ( A 2 k + 1 ) = a k + 1 其 中 , a k ≤ a k + 1 , k = 1 , 2 , 3 ⋅ ⋅ ⋅ 中位数:将数据从小到大排列,位于正中间的一个数据或两个数据的平均值\\ median \ (A_{2k})=\frac{a_k+a_{k+1}}{2} \\ median \ (A_{2k+1})=a_{k+1}\\ 其中,a_k\le a_{k+1},k=1,2,3··· :median (A2k)=2ak+ak+1median (A2k+1)=ak+1,akak+1,k=1,23

Excel
=MEDIAN(区域)
Python

参数和返回值类似sum()

df.median(axis: 'int | None | lib.NoDefault' = <no_default>,
       skipna=True,
       numeric_only=None)
Series.sum()

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.median())
"""
A    4.5
B    4.0
C    7.5
dtype: float64
"""
print(df.median(axis=1))
"""
一     2.0
二     3.0
三     4.5
四    12.0
五    12.5
六     4.0
dtype: float64
"""
print(df["B"].median())
# 4

8.3.6 计算众数mode

众 数 : 一 定 区 域 的 数 据 中 出 现 次 数 最 多 的 数 据 值 众数:一定区域的数据中出现次数最多的数据值 :

Excel
=MODE(区域)
Python

参数类似sum()

df.mode(axis: 'Axis' = 0,
        numeric_only: 'bool' = False,
        dropna: 'bool' = True)
Series.mode()
  • 众数可能会有多个的情况。故返回值为DataFrameSeries

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.mode())   # C列3和12出现次数最多且相等
"""
     A    B     C
0  5.0  2.0   3.0
1  NaN  NaN  12.0
"""

print(df.mode(axis=1))
"""
     0     1     2
一  1.0   2.0  12.0
二  3.0   NaN   NaN
三  4.0   5.0   NaN
四  5.0  19.0   NaN
五  5.0  20.0   NaN
六  2.0   6.0   NaN
"""
print(df["B"].mode())
"""
0    2
Name: B, dtype: int64
"""

8.3.7 计算方差 var

v a r ( A n ) = 1 n [ ( a 1 − a ˉ ) 2 + ( a 2 − a ˉ ) 2 + ⋅ ⋅ ⋅ + ( a n − a ˉ ) 2 ] = 1 n ∑ i = 1 n ( a i − a ˉ ) 2 其 中 , a ˉ 为 数 据 集 A n 的 平 均 值 var (A_n)=\frac{1}{n}[(a_1-\bar a)^2+(a_2-\bar a)^2+···+(a_n-\bar a)^2]=\frac{1}{n}\sum_{i=1}^{n}(a_i-\bar a)^2\\ 其中,\bar a为数据集A_n的平均值 var(An)=n1[(a1aˉ)2+(a2aˉ)2++(anaˉ)2]=n1i=1n(aiaˉ)2,aˉAn

Excel
=VAR(区域)
Python

参数和返回值类似sum()

df.var(axis: 'Axis' = 0,
       numeric_only: 'bool' = False,
       dropna: 'bool' = True)
Series.var()

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.var())
"""
A     3.2
B    73.9
C    40.5
dtype: float64
"""
print(df.var(axis=1))
"""
一     37.0
二      0.0
三      0.5
四     98.0
五    112.5
六      8.0
dtype: float64
"""
print(df["B"].var())
# 73.9

8.3.8 计算标准差std

s t d ( A n ) = v a r ( A n ) = 1 n ∑ i = 1 n ( a i − a ˉ ) 2 std(A_n)=\sqrt {var(A_n)}=\sqrt {\frac{1}{n}\sum_{i=1}^{n}(a_i-\bar a)^2} std(An)=var(An) =n1i=1n(aiaˉ)2

Excel
=STDEVP(区域)
Python

参数和返回值类似sum()

df.std(axis: 'Axis' = 0,
       numeric_only: 'bool' = False,
       dropna: 'bool' = True)
Series.std()

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

print(df.std())
"""
A    1.788854
B    8.596511
C    6.363961
dtype: float64
"""
print(df.std(axis=1))
"""
一     6.082763
二     0.000000
三     0.707107
四     9.899495
五    10.606602
六     2.828427
dtype: float64
"""
print(df["B"].std())
"""
8.596510920134982
"""

8.3.9 计算分位数quantile

q 分 位 数 : 将 n 个 数 据 按 从 小 到 大 的 顺 序 排 列 , 位 于   1 + ( n − 1 ) ⋅ q   位 置 的 数 据 其 中 0 < q < 1 q分位数:将n个数据按从小到大的顺序排列,位于\ 1+(n-1)·q\ 位置的数据\\ 其中0<q<1 q:n 1+(n1)q 0<q<1

在这里插入图片描述

Excel
=PERCENTILE(区域,q)
Python
df.quantile(q=0.5,
            axis: 'Axis' = 0,
            numeric_only: 'bool' = True,
            interpolation: 'str' = 'linear')
Series.quantile(q=0.5,interpolation: 'str' = 'linear')
  • q设置分位数。默认0.5,即中位数。也可以是列表。
  • interpolation设置插值方式。假设 j = 1 + ( n − 1 ) ⋅ q    ,   i < j < i + 1 j=1+(n-1)·q\ \ ,\ i< j<i+1 j=1+(n1)q  , i<j<i+1
    • linear:取 a i + ( j − i ) ( a i + 1 − a i ) a_i+(j-i)(a_{i+1}-a_i) ai+(ji)(ai+1ai)
      • lower:取 a i a_i ai
      • higher:取 a i + 1 a_{i+1} ai+1
      • nearest:令 i , i + 1 i,i+1 i,i+1中离 j j j 较近者为 k k k,取 a k a_k ak
      • midpoint:取 a i + a i + 1 2 \displaystyle \frac{a_i+a_{i+1}}{2} 2ai+ai+1

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])

qdf=df.quantile([0.25,0.5,0.75])
print(qdf)
"""
         A      B     C
0.25  3.25   2.25  5.25
0.50  4.50   4.00  7.50
0.75  5.00  15.50  9.75
"""

qdf=df.quantile([0.25,0.5,0.75],interpolation="higher")
print(qdf)
"""
      A   B     C
0.25  4   3  12.0
0.50  5   5  12.0
0.75  5  19  12.0
"""

print(df["A"].quantile(0.25))
# 3.25

8.3.10 计算协方差cov

c o v [ X n , Y n ] = ∑ i = 1 n ( x i − x ˉ ) ( y i − y ˉ ) n c o v 为 正 表 示 两 列 数 据 正 相 关 。 为 负 代 表 负 相 关 。 cov[X_n,Y_n]=\frac{\sum_{i=1}^{n}(x_i-\bar x)(y_i-\bar y)}{n}\\ cov为正表示两列数据正相关。为负代表负相关。 cov[Xn,Yn]=ni=1n(xixˉ)(yiyˉ)cov

Excel
=COVAR(列1,列2)
Python
df.cov()
  • 返回各列之间的协方差组成的DataFrame
Series.cov(other)
  • other为另一个Series对象。
  • 返回两个Series的协方差数值

如:

df = pd.DataFrame(
    {
        "A": [1, 3, 4, 5, 5, 6],
        "B": [2, 3, 5, 19, 20, 2],
        "C": [12, 3, None, None, None, None]
    },
    index=["一", "二", "三", "四", "五", "六"])
print(df.cov())
"""
     A    B          C
A  3.5 -3.5   7.400000
B -3.5  3.5  -7.400000
C  7.4 -7.4  41.866667
"""

c=df["A"].cov(df["B"])
print(c)
"""
-3.5
"""

8.3.11 计算相关系数correl

最常见的是皮尔森相关系数:
c o r r e l ( X n , Y n ) = c o v [ X n , Y n ] v a r ( X n ) ⋅ v a r ( Y n ) = ∑ i = 1 n ( x i − x ˉ ) ( y i − y ˉ ) ∑ i = 1 n ( x i − x ˉ ) 2 ⋅ ∑ i = 1 n ( y i − y ˉ ) 2 c o r r e l 绝 对 值 越 小 说 明 相 关 性 越 弱 。 正 负 代 表 正 负 相 关 。 − 1 ≤ c o r r e l ≤ 1 correl(X_n,Y_n)=\frac{cov[X_n,Y_n]}{\sqrt {var(X_n)·var(Y_n)}}=\frac{\sum_{i=1}^{n}(x_i-\bar x)(y_i-\bar y)}{\sqrt {\sum_{i=1}^n(x_i-\bar x)^2·\sum_{i=1}^n(y_i-\bar y)^2}}\\ correl 绝对值越小说明相关性越弱。正负代表正负相关。-1\le correl \le 1 correl(Xn,Yn)=var(Xn)var(Yn) cov[Xn,Yn]=i=1n(xixˉ)2i=1n(yiyˉ)2 i=1n(xixˉ)(yiyˉ)correl1correl1

Excel
=CORREL(列1,列2)
Python
df.corr()
  • 返回各列之间的相关系数组成的DataFrame
Series.corr(other)
  • other为另一个Series对象。
  • 返回两个Series的相关系数

如:

df = pd.DataFrame(
    {
        "A": [1, 2, 3, 4, 5, 6],
        "B": [6, 5, 4, 3, 2, 1],
        "C": [12, 1,8, 10, 10, 21]
    },
    index=["一", "二", "三", "四", "五", "六"])
print(df.corr())
"""
          A         B         C
A  1.000000 -1.000000  0.611313
B -1.000000  1.000000 -0.611313
C  0.611313 -0.611313  1.000000
"""
r=df["A"].cov(corr["B"])
print(r)
# -1.0
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

木子希卡利

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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