用python 计算表格的数据加减_Python数据分析基础之Pandas（六） 数据计算

本节继续介绍pandas的数据操作,这里介绍数据计算,包括数据的简单计算、数据标准化以及pandas中对日期的处理。最后做一个小实例为pandas做一个综合总结。

这里提供练习的文件：

链接：https://pan.baidu.com/s/1WEmunBN_Wo75EZd1cK6_lA

提取码：3xco

1.数据简单计算(加减乘除)

from pandas import read_csv

df1 = read_csv("../material/i_nuc_sheet3.csv")

jj=df1['解几'].astype(int)

gd = df1['高代'].astype(int)

df1['高代+解几']=jj+gd

print(df1)

2.数据标准化

离差标准化

X* = (x-min)/(max-min)

z-score标准化

X* = (x-u)/a

from pandas import read_csv

df1 = read_csv("../material/i_nuc_sheet3.csv")

#将数分标准化

print(df1['数分'])

#离差标准化

sf_max=df1['数分'].max()

sf_min = df1['数分'].min()

res1 = (df1['数分']-sf_min)/(sf_max-sf_min)

print(res1)

#z-score标准化 适用于最大值和最小值未知的情况

from sklearn import preprocessing

import numpy as np

sf=df1['数分']

res2 = preprocessing.scale(sf)

print(res2)

#z-score是给予原始数据的均值和标准差进行数据的标准化，得到的标准化结果符合正态分布(结果是正态分布中的X值)。

3.数据分组

cut(series,bins,right=True,labels=N