【Pandas 统计函数和自定义函数的使用】

前言

Pandas 是基于 NumPy 的数据分析工具，它提供了各种数据结构，如 Series 和 DataFrame，以及各种功能强大的函数，用于数据的统计、清洗、处理和分析。

一、统计函数

1. 描述性统计

Pandas 提供了多种描述性统计函数，用于快速了解数据的基本情况，例如均值、标准差、最小值、最大值等。

import pandas as pd

# 创建一个示例 DataFrame
data = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                     'B': [10, 20, 30, 40, 50]})

# 均值
mean = data.mean()
print("均值：")
print(mean)

# 标准差
std = data.std()
print("\n标准差：")
print(std)

# 最小值
min_val = data.min()
print("\n最小值：")
print(min_val)

# 最大值
max_val = data.max()
print("\n最大值：")
print(max_val)

2. 直方图

import pandas as pd
import matplotlib.pyplot as plt

# 创建一个示例 DataFrame
data = pd.DataFrame({'A': [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]})

# 绘制直方图
data['A'].plot(kind='hist', bins=4, edgecolor='k')
plt.title('Histogram of A')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

二、自定义函数

除了内置的统计函数，还可以创建自定义函数来处理数据。这些自定义函数可以根据需求进行定制，以执行特定的数据操作。

1. 自定义函数示例

创建一个自定义函数，将工资大于某个阈值的员工标记为高工资，否则标记为低工资。

import pandas as pd

# 创建示例 DataFrame
data = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie', 'David'],
                     'Salary': [60000, 75000, 48000, 90000]})

# 自定义函数
def categorize_salary(salary):
    if salary > 60000:
        return '高工资'
    else:
        return '低工资'

# 应用自定义函数并创建新列
data['Salary_Category'] = data['Salary'].apply(categorize_salary)

print(data)

总结

Pandas 中的统计函数可以帮助我们快速了解数据的基本统计信息，而自定义函数则允许我们根据具体需求对数据进行灵活的处理。