【pandas】numpy.ptp()最大值与最小值的差

numpy.ptp() 是计算最大值与最小值差的函数,用法如下:

import numpy as np
a = np.array([np.random.randint(0, 20, 5), np.random.randint(0, 20, 5)])
print('原始数据\n'a)
print('对所有数据计算\n', a.ptp())
print('axis=0,按行方向计算,即每列\n', a.ptp(axis=0))  # 按行方向计算,即每列
print('axis=1,按列方向计算,即每行\n', a.ptp(axis=1))  # 按列方向计算,即每行

原始数据
 [[ 9 12 11  6  8]
 [19  5  0  7 14]]
对所有数据计算
 19
axis=0,按行方向计算,即每列
 [10  7 11  1  6]
axis=1,按列方向计算,即每行
 [ 6 19]

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pandas 是一种强大的 Python 库,专用于数据处理和分析,尤其擅长于处理表格型数据。当你想要统计 DataFrame 中某一列的数据属性时,比如找出该列的最大值最小值以及平均值,Pandas 提供了方便快捷的方式来进行操作。 ### 1. 查找最大值Pandas 中查找某一列的最大值非常简单。你需要调用 `max()` 函数并将目标列名作为参数传入。以下是示例代码: ```python # 假设 df 是 DataFrame 对象,col_name 是你想要查询的列名 max_value = df[col_name].max() ``` ### 2. 查找最小值 查找最小值的操作类似,只需要将 `max()` 替换为 `min()` 即可: ```python # 获取 col_name 列的最小值 min_value = df[col_name].min() ``` ### 3. 计算平均值 计算某一列的平均值则需要用到 `mean()` 函数: ```python # 计算 col_name 列的平均值 average_value = df[col_name].mean() ``` ### 示例代码 假设我们有一个名为 `df` 的 DataFrame 和一列名为 `'age'` 的数据: ```python import pandas as pd data = { 'name': ['Alice', 'Bob', 'Charlie'], 'age': [28, 35, 42], 'height': [170, 180, 165] } df = pd.DataFrame(data) # 查找 age 列的最大值 max_age = df['age'].max() print("年龄的最大值:", max_age) # 查找 age 列的最小值 min_age = df['age'].min() print("年龄的最小值:", min_age) # 计算 age 列的平均年龄 avg_age = df['age'].mean() print("年龄的平均值:", avg_age) ``` 通过上述步骤,你可以很容易地对 Pandas 数据帧中的单列或多列进行各种统计操作,从而深入分析数据。这种方法不仅适用于单列,还可以扩展到多列分析,提供更为全面的数据洞察力。
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
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