Pandas入门（4）

汇总和计算描述统计

  学习Pandas就像是学习SQL，虽然他们并没有什么直接的关系，但无论先学习哪一种，都会对另一种产生有益的作用，Pandas对象拥有一组常用的数学和统计方法，正如sql语句中的分组与聚合函数。Pandas中的大部分都属于约简和汇总统计，用于从Series中提取单个值或者从DataFrame的行或列中提取一个Series。跟对应的NumPy数值方法相比，它们都是基于没有缺失数据的假设而构建的。

• 调用DataFrame的Sum方法将会返回一个含有列小计的Series
• 传入axis=1将会按行进行求和运算
• NA值会自动被排除，除非整个切片（这里指的是行或列）都是NA。通过skipna选项可以禁用该功能

约简方法的选项（参数）

选项	说明
axis	约简的轴。DataFrame的行用0，列用1
skipna	排除缺失值，默认值为True
level	如果轴是层次化索引的（即MultiIndex），则根据level分组约简

有些方法（如idxmin和idxmax）返回的是间接统计（比如达到最小值或最大值的索引），另一些方法（如cumsum）则是累计性的，但是还有特殊的describe，它用于一次性产生多个汇总统计，对于非数值型数据，describe会产生另外一种汇总统计

描述和汇总统计的方法

方法	说明
count	非NA值得数量
describe	针对Series或各DataFrame列计算汇总统计
min、max	计算最小值和最大值
argmin、argmax	计算能够获取到最小值和最大值的索引位置（整数）
idxmin、idxmax	计算能够获取到最小值和最大值的索引值
quantile	计算样本的分位数（0到1）
sum	值的总和
mean	值的平均数
median	值的算术中位数（50%分位数）
mad	根据平均值计算平均绝对离差
var	样本值的方差
std	样本值的标准差
skew	样本值的偏度（三阶矩）
kurt	样本值的峰值（四阶矩）
cumsum	样本值的累计和
cummin、cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分（对时间序列很有用）
pct_change	计算百分数变化

相关系数与协方差

 有些汇总统计（如相关系数和协方差）是通过参数对计算出来的。
Series的corr方法用于计算两个Series中重叠的、非NA的、按索引对齐的值的相关系数。与此类似的cov用于计算协方差
DataFrame的corr和cov方法将以DataFrame的形式返回完整的相关系数或协方差矩阵；
利用DataFrame的corrwith放法，你可以计算其列或行跟另一个Series或DataFrame之间的相关系数。传入一个Series将会返回一个相关系数值Series（针对各列进行计算），传入一个DataFrame则会计算按列名匹配的相关系数，传入axis=1即可按行进行计算。无论如何，在计算相关系数之前，所有的数据项都会按标签对齐。

唯一值、值计数以及成员资格

• unique函数可以得到Series中的唯一值数组，返回的唯一值是未经过排序的，如果需要的话，可以对结果再次进行排序（uniques.sort()）。
• value_counts函数用于计算一个Series中各值出现非的频率，为了便于查看，结果Series是按值频率降序排序的。value_counts还是一个顶级pandas方法，可用于任何数组或序列
• 最后是isin，它用于判断矢量化集合的成员资格，可用于选取Series中或DataFrame列中数据的子集

方法	说明
isin	计算一个表示“Series各值是否包含于传入的值序列中”的布尔型数组
unique	计算Series中的唯一值数组，按发现的顺序返回
value_counts	返回一个Series，让其索引为唯一值，其值为频率，按计数值降序排列