pandas 常用的数学统计方法 min()

本文介绍了pandas库中用于计算最小值的min()方法,详细阐述了其定义和使用示例,帮助读者掌握如何在数据处理中找到系列或数据框的最小值。
摘要由CSDN通过智能技术生成

                                             pandas 常用的数学统计方法 min()

 

1、定义:最小值。

2、示例:

import pandas as pd

student_info = pd.read_csv("F:/人工智能/科学计算库/files/student_info.csv")
print(student_info)
print("===========================")
# min() 最小值
print(student_info.min())

# 运行结果:
Chinese   Math  English
0        88   11.0     22.0
1        33    NaN     30.0
2        85   32.0     90.0
3        45   39.0      NaN
4        11  100.0    103.0
5        88   33.0     74.0
6        85   39.0     90.0
7        88   11.0     22.0
8        33    NaN     30.0
9        85   32.0     90.0
Pandas和NumPy是Python中常用的数据处理库。下面是一些常用的数据处理方法和案例,以及与之相关的场景: 1. 读取和展示数据: - 使用Pandas的`read_csv()`函数读取CSV文件,并使用`head()`或`tail()`方法显示数据的前几行或后几行。 2. 数据清洗和预处理: - 使用Pandas的`dropna()`方法删除包含缺失值的行或列。 - 使用Pandas的`fillna()`方法填充缺失值。 - 使用Pandas的`replace()`方法替换指定值。 - 使用Pandas的`duplicated()`方法检测和删除重复值。 3. 数据筛选和排序: - 使用Pandas的条件筛选功能,如`df[df['column'] > value]`,根据条件筛选数据。 - 使用Pandas的`sort_values()`方法按列对数据进行排序。 4. 数据聚合和统计: - 使用Pandas的`groupby()`方法进行分组聚合操作,如计算平均值、总和等。 - 使用Pandas的`describe()`方法生成描述性统计信息,如均值、标准差等。 - 使用Pandas的`value_counts()`方法计算每个唯一值的出现次数。 5. 数据转换和重塑: - 使用Pandas的`pivot_table()`方法进行数据透视表操作,对数据进行重新排列和聚合。 - 使用Pandas的`melt()`方法将宽格式数据转换为长格式数据。 6. 数组运算和计算: - 使用NumPy进行数学运算,如加法、减法、乘法、除法等。 - 使用NumPy的聚合函数,如`sum()`、`mean()`、`min()`、`max()`等对数组进行统计计算。 相关场景包括: - 数据清洗和预处理:删除缺失值、填充缺失值、替换特定值等。 - 数据分析和统计:计算平均值、求和、标准差等统计指标。 - 数据可视化:使用Pandas和NumPy处理数据后,可以使用其他库如Matplotlib或Seaborn进行数据可视化。 - 机器学习和数据建模:使用Pandas和NumPy对数据进行预处理、特征工程等,为机器学习算法建模提供数据基础。 这些是Pandas和NumPy常用的处理数据的方法和案例,以及相关的数据处理场景。希望能对你有所帮助!
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