Pandas 数据分析-第十章（汇总和描述）

Pandas对象拥有一组常用的数字和统计方法，这一章就简单的说一下这些方法

sum()

我们就直接来看看示例吧

In [4]: df = pd.DataFrame({"one":[1.4,2.0,np.nan,0.22],"two":[np.nan,-2.4,np.nan
   ...: ,-3]},index=list("abcd"))                                               

In [5]: df                                                                      
Out[5]: 
    one  two
a  1.40  NaN
b  2.00 -2.4
c   NaN  NaN
d  0.22 -3.0

In [6]: df.sum()                                                                
Out[6]: 
one    3.62
two   -5.40
dtype: float64

我们生成了一个DataFrame，SUM会返回一个含有列小计的Series，
我们想求行上的合计就需要添加参数

In [9]: df.sum(axis=1)                                                          
Out[9]: 
a    1.40
b   -0.40
c    0.00
d   -2.78
dtype: float64

这里我们注意到index=“c”这一行的求和得到的是0，明明之前是Nan，在sum函数中其实还有一个参数skipna，代表了是否排除缺失值，默认情况是True。

In [11]: df.sum(axis=1,skipna=False)                                            
Out[11]: 
a     NaN
b   -0.40
c     NaN
d   -2.78
dtype: float64

（有些版本的pandas在使用此类函数时Nan和Nan相加即使在skipna=True时计算结果依旧是Nan，我当前使用的pandas在此情况下两个nan相加则为0）

mean()

mean方法返回平均值

In [12]: df.mean()                                                              
Out[12]: 
one    1.206667
two   -2.700000
dtype: float64

有一些方法（idxmin，idxmax）返回的是间接统计

idxmax()

返回最大值的索引

In [57]: df.idxmax()                                                                              
Out[57]: 
one    b
two    b
dtype: object

idxmin()

返回最小值的索引

In [58]: df.idxmin()                                                                              
Out[58]: 
one    d
two    d
dtype: object

cumsum()

返回累计和

In [59]: df.cumsum()                                                                              
Out[59]: 
    one  two
a  1.40  NaN
b  3.40 -2.4
c   NaN  NaN
d  3.62 -5.4

descirbe()

返回针对Series或DataFrame列的多种统计

In [60]: df.describe()                                                                            
Out[60]: 
            one       two
count  3.000000  2.000000
mean   1.206667 -2.700000
std    0.905612  0.424264
min    0.220000 -3.000000
25%    0.810000 -2.850000
50%    1.400000 -2.700000
75%    1.700000 -2.550000
max    2.000000 -2.400000

返回了很多统计值，
对于非数值型的数据，describe()`会产生一种汇总统计

In [68]: obj = pd.Series(['a','a','b','c']*4)                                                     

In [69]: obj                                                                                      
Out[69]: 
0     a
1     a
2     b
3     c
4     a
5     a
6     b
7     c
8     a
9     a
10    b
11    c
12    a
13    a
14    b
15    c
dtype: object

In [70]: obj.describe()                                                                           
Out[70]: 
count     16
unique     3
top        a
freq       8
dtype: object

分别是计数，去重后计数，出现次数做多的元素和其出现次数。

方法	说明
count	计算非Na值的数量
describe	多种统计描述
min	最小值
max	最大值
idxmax	最大值索引
idxmin	最小值索引
quantile	计算样本的分位数
mean	平均数
median	中位数
std	标准差
var	方差
cumsum	累积和
cummax	累计最大值
cummin	累计最小值
cumprod	累计乘积
diff	一阶差分