Python数据分析 - 机器学习笔记：第一章数据分析 - 1.3.3.分组运算

前言：本文是学习网易微专业的《python全栈工程师》 中的《数据分析 - 机器学习工程师》专题的课程笔记，欢迎学习交流。

一、课程目标

• 掌握常规统计方法
• 掌握分组运算方法

二、详情解读

2.1.统计

• 集中量：求和、平均值、中位数、最大/小值

import numpy as np
import pandas as pd

df = pd.read_csv('./datasets/gdp-pop.csv')
df.sample(5)  # 随机抽取 5 个样本

运行结果：

将某一列的值设置为索引：

df = df.set_index("City_Name")
df.head()  # 默认显示前 5 个样本

运行结果：

集中量统计方法：
1）、求和

df.sum()  # 默认是一列一列的求和

运行结果：

2）、求平均值

df.mean()

运行结果：

3）、求中位数

df.median()

运行结果：

说明：以上方法没参数时，默认以特征方向为准（即列的方向），如果想以行的方向为准，可以带参数axis=1

df.mean(axis=1)

备注：上面的以行方向为准计算的平均值，没实际意义，因为 GDP和 population的单位不同，求平均值没意义。

为了更进一步pandas中统计运算的特点，这里先杜撰一个缺失值：

df.lo['Hongloushi'] = np.nan
df

运行结果：

求和时缺失值不参与计算

df.sum()

运行结果：

获取数据集的统计结果：

df.describe()  

运行结果：

获取数据集的信息结果：

df.info()

运行结果：

2.2.分组运算

df = pd.DataFrame({
   "subject":['math', 'physics', 'english', 'math', 'physics', 'english'],
'score':[90, 80, 70, 95, 85, 75]})
df

运行结果：

2.2.