数据探索：常用统计量分析

一、集中趋势的度量

import pandas as pd
from pandas import Series

# 数据读取
df1 = pd.read_csv('../data/data.csv', index_col='年份')
print(df1.head())

# 获取数据个数
print(len(df1))
# 或者
print(df1.index.size)

# 均值
m = df1['人均GDP（元）'].mean()
print("人均GDP的均值(元)："+str(m))
输出结果：
人均GDP的均值(元)：21042.485714285714

print("人均GDP的均值(元)：{:.2f}".format(m))  # 保留2位小数
输出结果：
人均GDP的均值(元)：21042.49


# 中位数
m = df1['人均GDP（元）'].median()
print("人均GDP的中位数(元)：", m)
输出结果：
人均GDP的中位数(元)：18334.6

print("人均GDP的中位数(元)：{:.2f}".format(m))  # 保留2位小数
输出结果：
人均GDP的中位数(元)：18334.60

# 众数
data = Series([750, 850, 960, 960, 1080, 1080])
r = data.mode()
print("众数为：" + str(r))
输出结果：
众数为：0     960
       1     1080

二、离散趋势的度量

import pandas as pd

# 数据读取
df1 = pd.read_csv('../data/data.csv', index_col='年份')

# 最大值
max_data = df1.max()
print("最大值：", max_data)
输出结果：
最大值： 人均GDP（元）                41907.6
        啤酒产量（万千升）            5061.5
        居民消费价格指数（上面=100）   105.9
        dtype: float64

print("人均GDP的最大值：{}".format(df1['人均GDP（元）'].max()))
输出结果：
人均GDP的最大值：41907.6

# 最小值
min_data = df1.min()
print("最小值：", min_data)
输出结果：
最小值： 人均GDP（元）               7857.7
        啤酒产量（万千升）           2231.3
        居民消费价格指数（上面=100）  99.2
        dtype: float64
print("人均GDP的最小值:{}".format(df1['人均GDP（元）'].min()))
输出结果：
人均GDP的最小值:7857.7

# 极差（max-min）
r = df1['人均GDP（元）'].max() - df1['人均GDP（元）'].min()
print(r)
输出结果：
34049.9

# 标准差--std()
print(df1['人均GDP（元）'].std())
输出结果：
11664.756588634327

print("人均GDP的标准差:{:.2f}".format(df1['人均GDP（元）'].std()))  # 保留2位小数
输出结果：
人均GDP的标准差:11664.76

# 方差--var()
print(df1['人均GDP（元）'].var())
输出结果：
136066546.27208793
print("人均GDP的方差:{:.2f}".format(df1['人均GDP（元）'].var()))  # 保留2位小数
输出结果：
人均GDP的方差:136066546.27

三、描述性统计

import pandas as pd

# 数据读取
df1 = pd.read_csv('../data/data.csv', index_col='年份')

# 描述性的统计分析
r = df1.describe()
print(r)

输出结果：

         人均GDP（元） 啤酒产量（万千升）  居民消费价格指数（上面=100）
count     14.000000    14.000000         14.000000
mean   21042.485714  3608.541429        102.328571
std    11664.756589  1014.981025          2.138090
min     7857.700000  2231.300000         99.200000
25%    10990.400000  2642.525000        100.825000
50%    18334.600000  3748.825000        102.200000
75%    28913.125000  4408.165000        103.750000
max    41907.600000  5061.500000        105.900000


# loc--获取指定行的数据
r_mean = r.loc['mean']
print(r_mean)
输出结果:
人均GDP（元）            21042.485714
啤酒产量（万千升）            3608.541429
居民消费价格指数（上面=100）      102.328571
Name: mean, dtype: float64

# iloc--获取指定行的数据
r_mean = r.iloc[1]
print(r_mean)
输出结果：
人均GDP（元）            21042.485714
啤酒产量（万千升）            3608.541429
居民消费价格指数（上面=100）      102.328571
Name: mean, dtype: float64

# 求极差
r_range = r.loc['max']-r.loc['min']
print(r_range)
输出结果：
人均GDP（元）            34049.9
啤酒产量（万千升）            2830.2
居民消费价格指数（上面=100）        6.7
dtype: float64

# 将极差添加到describe()中
r.loc['range'] = r.loc['max'] - r.loc['min']
输出r查看
   人均GDP（元）    啤酒产量（万千升）  居民消费价格指数（上面=100）
count     14.000000    14.000000         14.000000
mean   21042.485714  3608.541429        102.328571
std    11664.756589  1014.981025          2.138090
min     7857.700000  2231.300000         99.200000
25%    10990.400000  2642.525000        100.825000
50%    18334.600000  3748.825000        102.200000
75%    28913.125000  4408.165000        103.750000
max    41907.600000  5061.500000        105.900000
range  34049.900000  2830.200000          6.700000