二、Pandas-13.描述性统计的概述与计算

"""
    pandas对象装配了一个常用数学、统计学方法的集合。
    其中大部分属于【归约】或【汇总统计】的类别，这些方法从DataFrame的行或列中抽取一个Series或一系列值得单个值（如总和或平均值）
    与Numpy数组中的类似方法相比，它们内建了处理缺失值的功能
"""
import numpy as np
import pandas as pd

df_1 = pd.DataFrame([[1.1, 2.2, np.nan], [np.nan, 3.3, 4.4], [5.5, np.nan, 6.6]], columns=["One", "Two", "Three"],
                    index=["XiaoMing", "XiaoYing", "XiaoKe"])
print(df_1)
"""
          One  Two  Three
XiaoMing  1.1  2.2    NaN
XiaoYing  NaN  3.3    4.4
XiaoKe    5.5  NaN    6.6
"""

# ▶知识点1：调用DataFrame的sum方法返回一个包含【列】上【加和】的Series
print(df_1.sum())
"""
One       6.6
Two       5.5
Three    11.0
dtype: float64
"""

# ▶知识点2：传入axis="columns"或者axis=1，会将【一行上各个列的值相加】
print(df_1.sum(axis="columns"))
"""
XiaoMing     3.3
XiaoYing     7.7
XiaoKe      12.1
dtype: float64
"""

# ▶知识点3：【默认】情况下，NaN值是被【自动排除】的，可以通过设置【skipna=False】来实现【不排除NA值】
print(df_1.sum(axis=1, skipna=False))
"""
XiaoMing   NaN
XiaoYing   NaN
XiaoKe     NaN
dtype: float64
"""

"""
    # ▶知识点4：归约方法常用可选参数
    
            方法                      描述
    -----------------------------------------------------------------------
            axis                归约轴，0为行向，1为轴向
            skipna              排除缺失值，默认为True
            level               如果轴是多层索引的（MultiIndex），该参数可以缩减分组层级
"""

"""
    ▶知识点5：描述性统计和汇总统计
    
            方法                      描述
    ----------------------------------------------------------------------------------
            count               非NA值的个数
            describe            计算Series或DataFrame各列的汇总统计集合
            min,max             计算最小值、最大值
            argmin,argmax       分别计算最小值、最大值所在的索引位置（整数）
            idxmin,idxmax       分别计算最小值、最大值所在的索引标签
            quantile            计算样本的从0到1间的分位数
            sum                 加和
            mean                均值
            median              中位数
            mad                 平均值的平均绝对偏差
            prod                所有值的积
            var                 值的样本方差
            std                 值得样本标准差
            skew                样本偏度（第三时刻）值
            kurt                样本峰度（第四时刻）值
            cumsum              累计值
            cummin,cummax       累计值的最小值、最大值
            cumprod             值的累积
            diff                计算第一个算术差值（对时间序列有用）
            pct_change          计算百分比
"""

# 【idxmin】和【idxmax】返回的是间接统计信息，分别返回的是【最小值的索引标签】、【最大值的索引标签】
print(df_1.idxmin())
"""
One      XiaoMing
Two      XiaoMing
Three    XiaoYing
dtype: object
"""
print(df_1.idxmax())
"""
One        XiaoKe
Two      XiaoYing
Three      XiaoKe
dtype: object
"""

# cumsum()    累计值
print(df_1.cumsum())
"""
          One  Two  Three
XiaoMing  1.1  2.2    NaN
XiaoYing  NaN  5.5    4.4
XiaoKe    6.6  NaN   11.0
"""
# describe()  计算Series或DataFrame各列的汇总统计集合
print(df_1.describe())
"""
           One       Two     Three
count  2.00000  2.000000  2.000000
mean   3.30000  2.750000  5.500000
std    3.11127  0.777817  1.555635
min    1.10000  2.200000  4.400000
25%    2.20000  2.475000  4.950000
50%    3.30000  2.750000  5.500000
75%    4.40000  3.025000  6.050000
max    5.50000  3.300000  6.600000
"""
# ▶知识点6：对于【非数值型数据】，describe产生另一种汇总统计
obj = pd.Series(["A", "B", "C"] * 3)
print(obj.describe())
"""
count     9
unique    3
top       A
freq      3
dtype: object
"""