Python酷库之旅-第三方库Pandas(113)

于 2024-09-01 07:45:00 发布
阅读量646 收藏 6
点赞数 9
分类专栏： Myelsa的Python酷库之旅 文章标签： python pandas 开发语言 人工智能 标准库及第三方库 excel 学习与成长
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ygb_1024/article/details/141634874
版权

目录

一、用法精讲

496、pandas.DataFrame.kurtosis方法

496-1、语法

496-2、参数

496-3、功能

496-4、返回值

496-5、说明

496-6、用法

496-6-1、数据准备

496-6-2、代码示例

496-6-3、结果输出

497、pandas.DataFrame.max方法

497-1、语法

497-2、参数

497-3、功能

497-4、返回值

497-5、说明

497-6、用法

497-6-1、数据准备

497-6-2、代码示例

497-6-3、结果输出

498、pandas.DataFrame.mean方法

498-1、语法

498-2、参数

498-3、功能

498-4、返回值

498-5、说明

498-6、用法

498-6-1、数据准备

498-6-2、代码示例

498-6-3、结果输出

499、pandas.DataFrame.median方法

499-1、语法

499-2、参数

499-3、功能

499-4、返回值

499-5、说明

499-6、用法

499-6-1、数据准备

499-6-2、代码示例

499-6-3、结果输出

500、pandas.DataFrame.min方法

500-1、语法

500-2、参数

500-3、功能

500-4、返回值

500-5、说明

500-6、用法

500-6-1、数据准备

500-6-2、代码示例

500-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

496、pandas.DataFrame.kurtosis方法
496-1、语法
# 496、pandas.DataFrame.kurtosis方法
pandas.DataFrame.kurtosis(axis=0, skipna=True, numeric_only=False, **kwargs)
Return unbiased kurtosis over requested axis.

Kurtosis obtained using Fisher’s definition of kurtosis (kurtosis of normal == 0.0). Normalized by N-1.

Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.

For DataFrames, specifying axis=None will apply the aggregation across both axes.

New in version 2.0.0.

skipnabool, default True
Exclude NA/null values when computing the result.

numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.

**kwargs
Additional keyword arguments to be passed to the function.

Returns:
Series or scalar.
496-2、参数

496-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作(即计算每一列的峭度)；1或'columns'，在列的方向上进行操作(即计算每一行的峭度)。

496-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为False，且存在NaN，则返回NaN。

496-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)。

496-2-4、**kwargs(可选)：其他关键字参数，可以传递给计算峭度的底层方法。

496-3、功能

        用于计算数据框中每一列或每一行的峭度(kurtosis)，峭度是描述数据分布形状的一个统计量，表示峰度的程度。

496-4、返回值

        返回一个Series，包含每列(或每行)的峭度值。

496-5、说明

        无

496-6、用法
496-6-1、数据准备
无
496-6-2、代码示例
# 496、pandas.DataFrame.kurtosis方法
import pandas as pd
# 创建一个示例数据框
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [5, 6, 7, 8, 9],
    'C': [5, 5, 5, None, 5]
}
df = pd.DataFrame(data)
# 计算每列的峭度
kurtosis_result = df.kurtosis(axis=0)
print(kurtosis_result)
496-6-3、结果输出
# 496、pandas.DataFrame.kurtosis方法
# A   -1.2
# B   -1.2
# C    0.0
# dtype: float64
497、pandas.DataFrame.max方法
497-1、语法
# 497、pandas.DataFrame.max方法
pandas.DataFrame.max(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the maximum of the values over the requested axis.

If you want the index of the maximum, use idxmax. This is the equivalent of the numpy.ndarray method argmax.

Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.

For DataFrames, specifying axis=None will apply the aggregation across both axes.

New in version 2.0.0.

skipnabool, default True
Exclude NA/null values when computing the result.

numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.

**kwargs
Additional keyword arguments to be passed to the function.

Returns:
Series or scalar.
497-2、参数

497-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的最大值；1或'columns'，在列的方向上进行操作，计算每一行的最大值。

497-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

497-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

497-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

497-3、功能

        用于计算数据框中每一列或每一行的最大值，该方法可以处理包含缺失值的情况，并允许用户选择如何操作数据。

497-4、返回值

        返回每列或每行的最大值，结果为一个Series。

497-5、说明

        无

497-6、用法
497-6-1、数据准备
无
497-6-2、代码示例
# 497、pandas.DataFrame.max方法
import pandas as pd
# 创建一个示例数据框
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [5, 6, 7, 8, None],
    'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的最大值
max_values = df.max(axis=0)
print(max_values)
# 计算每行的最大值
max_values_rows = df.max(axis=1)
print(max_values_rows)
497-6-3、结果输出
# 497、pandas.DataFrame.max方法
# A     5.0
# B     8.0
# C    10.0
# dtype: float64
# 0     5.0
# 1     6.0
# 2     7.0
# 3     8.0
# 4    10.0
# dtype: float64
498、pandas.DataFrame.mean方法
498-1、语法
# 498、pandas.DataFrame.mean方法
pandas.DataFrame.mean(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the mean of the values over the requested axis.

Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.

For DataFrames, specifying axis=None will apply the aggregation across both axes.

New in version 2.0.0.

skipnabool, default True
Exclude NA/null values when computing the result.

numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.

**kwargs
Additional keyword arguments to be passed to the function.

Returns:
Series or scalar.
498-2、参数

498-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的均值；1或'columns'，在列的方向上进行操作，计算每一行的均值。

498-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

498-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

498-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

498-3、功能

        用于计算数据框中每一列或每一行的均值，它对于处理缺失值有灵活的选项，允许用户选择计算方式。

498-4、返回值

        返回每列或每行的均值，结果为一个Series。

498-5、说明

        无

498-6、用法
498-6-1、数据准备
无
498-6-2、代码示例
# 498、pandas.DataFrame.mean方法
import pandas as pd
# 创建一个示例数据框
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [5, 6, 7, None, 9],
    'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的均值
mean_values = df.mean(axis=0)
print(mean_values)
# 计算每行的均值
mean_values_rows = df.mean(axis=1)
print(mean_values_rows)
498-6-3、结果输出
# 498、pandas.DataFrame.mean方法
# A    3.00
# B    6.75
# C    6.00
# dtype: float64
# 0    2.666667
# 1    4.000000
# 2    5.000000
# 3    6.000000
# 4    8.000000
# dtype: float64
499、pandas.DataFrame.median方法
499-1、语法
# 499、pandas.DataFrame.median方法
pandas.DataFrame.median(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the median of the values over the requested axis.

Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.

For DataFrames, specifying axis=None will apply the aggregation across both axes.

New in version 2.0.0.

skipnabool, default True
Exclude NA/null values when computing the result.

numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.

**kwargs
Additional keyword arguments to be passed to the function.

Returns:
Series or scalar.
499-2、参数

499-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的中位数；1或'columns'，在列的方向上进行操作，计算每一行的中位数。

499-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

499-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

499-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

499-3、功能

        用于计算数据框中每一列或每一行的中位数，它在处理缺失值时提供了灵活性。

499-4、返回值

        返回每列或每行的中位数，结果为一个Series。

499-5、说明

        无

499-6、用法
499-6-1、数据准备
无
499-6-2、代码示例
# 499、pandas.DataFrame.median方法
import pandas as pd
# 创建一个示例数据框
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [5, 6, 7, None, 9],
    'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的中位数
median_values = df.median(axis=0)
print(median_values)
# 计算每行的中位数
median_values_rows = df.median(axis=1)
print(median_values_rows)
499-6-3、结果输出
# 499、pandas.DataFrame.median方法
# A    3.0
# B    6.5
# C    6.0
# dtype: float64
# 0    2.0
# 1    4.0
# 2    5.0
# 3    6.0
# 4    9.0
# dtype: float64
500、pandas.DataFrame.min方法
500-1、语法
# 500、pandas.DataFrame.min方法
pandas.DataFrame.min(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the minimum of the values over the requested axis.

If you want the index of the minimum, use idxmin. This is the equivalent of the numpy.ndarray method argmin.

Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.

For DataFrames, specifying axis=None will apply the aggregation across both axes.

New in version 2.0.0.

skipnabool, default True
Exclude NA/null values when computing the result.

numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.

**kwargs
Additional keyword arguments to be passed to the function.

Returns:
Series or scalar.
500-2、参数

500-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的最小值；1或'columns'，在列的方向上进行操作，计算每一行的最小值。

500-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

500-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

500-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

500-3、功能

        用于计算数据框中每一列或每一行的最小值。

500-4、返回值

        返回每列或每行的最小值，结果为一个Series。

500-5、说明

        无

500-6、用法
500-6-1、数据准备
无
500-6-2、代码示例
# 500、pandas.DataFrame.min方法
import pandas as pd
# 创建一个示例数据框
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [5, 6, 7, None, 9],
    'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的最小值
min_values = df.min(axis=0)
print("每列的最小值：\n", min_values)
# 计算每行的最小值
min_values_rows = df.min(axis=1)
print("每行的最小值：\n", min_values_rows)
500-6-3、结果输出
# 500、pandas.DataFrame.min方法
# 每列的最小值：
#  A    1.0
# B    5.0
# C    2.0
# dtype: float64
# 每行的最小值：
#  0    1.0
# 1    2.0
# 2    3.0
# 3    4.0
# 4    5.0
# dtype: float64

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
神奇夜光杯
关注
  • 9
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python酷库之旅-第三方库Pandas(005)
07-05
Pandas_read_excel函数数据准备
python-3.12.1-amd64安装包
01-26
此外，Python的pip工具允许用户方便地安装、升级和管理第三方库，进一步扩展了Python的功能。 总之，"python-3.12.1-amd64.exe"是一个针对64位Windows系统的Python 3.12.1安装程序，包含了运行和开发Python应用所需...
Python酷库之旅-第三方库Pandas(046)
ygb_1024的博客
07-26 1444
第三方库Pandas(046)
Python酷库之旅-第三方库Pandas(064)
ygb_1024的博客
08-04 2203
第三方库Pandas(064)
Python酷库之旅-第三方库Pandas(059)
ygb_1024的博客
08-02 1840
第三方库Pandas(059)
Python酷库之旅-第三方库Pandas(062)
ygb_1024的博客
08-03 3338
第三方库Pandas(062)
Python酷库之旅-第三方库Pandas(051)
ygb_1024的博客
07-29 1432
第三方库Pandas(051)
Python库 | coconut-develop-2.0.0a0.dev23.tar.gz
03-01
你可以使用pip来安装和管理Coconut库，同时，它与其他Python库（如NumPy、Pandas等）无缝协作，这意味着你可以在使用Coconut的同时，充分利用Python丰富的第三方库资源。 Coconut库的源代码打包为`coconut-develop-...
Python库 | seleniumbase-1.38.6-py2.py3-none-any.whl
03-24
7. **集成第三方库**：`seleniumbase`能够与`unittest`、`pytest`等测试框架无缝集成，也可以与其他库如`pandas`和`requests`配合，实现更复杂的测试需求。 8. **可扩展性**：`seleniumbase`设计为模块化，用户可以...
python-3.8.9-amd64-window.exe.zip
11-17
7. **Python库**: Python有丰富的第三方库支持，如Numpy用于科学计算，Pandas用于数据处理，Django和Flask用于Web开发。安装Python后，用户可以通过pip（Python的包管理器）来安装这些库。 8. **Python IDEs**: ...
python12 中，No module named‘distutils‘错误
qq_43557600的博客
08-27 9911
python12 “ No module named'distutils' ”,​ 安装 pip install setuptools ，解决 ​
centos7 安装 superset4.0.2 教程
m0_37759590的博客
08-27 9360
centos7 安装 superset4.0.2 教程
CSS解析:定位和层叠上下文
晓风残月淡的博客
08-31 930
许多开发人员对定位的理解很粗略，如果不完全了解定位，就很容易给自己挖坑。有时候可能会把错误的元素放在其他元素前面，要解决这个问题却没有那么简单。一般的布局方法是用各种操作来控制文档流的行为。定位则不同：它将元素彻底从文档流中移走。它允许你将元素放在屏幕的任意位置。还可以将一个元素放在另一个元素的前面或后面，彼此重叠。
【python】关于判断空值None、判断len()=0，和 if not 的区别
Meggie35的博客
08-28 5063
python的“空”与“无”之辩，关于None，和空数值。在程序中，判断里面没有值和判断东西是不是为空，也是不一样的东西，我们可以往下看看具体的区别。
计算机毕业设计PySpark+Scrapy农产品推荐系统 农产品爬虫 农产品商城 农产品大数据 农产品数据分析可视化 PySpark Hadoop
最新发布
从业计算机毕业设计10年，打算用一年时间分享10年毕设经验！
09-01 618
计算机毕业设计PySpark+Scrapy农产品推荐系统 农产品爬虫 农产品商城 农产品大数据 农产品数据分析可视化 PySpark Hadoop
使用 DrissionPage 和 2Captcha 处理 Turnstile 验证并获取 Faucet 签名
qq_41631913的博客
08-30 351
本教程介绍了两种获取 Cloudflare Turnstile 验证值并使用 faucet 签名 API 的方法。第一种方法通过 DrissionPage 模拟浏览器操作，手动获取验证码值。第二种方法则通过 2Captcha 服务，自动化解决验证码问题。
yolo7 自定义数据训练
hzh839900的专栏
08-27 618
数据定义文件train.txt val.txt。预定义标签 格式name label。数据集定义文件errimg.yaml。图片文件和标签文件放在一起。数据打标labelimg。
无法验证 Anaconda 仓库证书
qq_38332453的博客
08-28 165
无法验证 Anaconda 仓库的证书
mac的使用
大家好我说家盛
08-31 195
对于python的虚拟环境，其实是基于已经安装到本地的python来安装不同的包。（之前我的mac上只安装了python3.9.6 ，安装的位置为。）然后我在vscode里怎么找都找不到如何弄一个python3.7.6 的版本，最后我去官网下了一个python3.7.6 安装包。这样就不会卡了，之前安装opencv一直在卡，估计是python3.9的原因，当我们指定了python3.7就可以解决这个问题。终止的命令的“终端”窗口。可以找到新安装到的位置（mac好像不能指定安装的位置）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

神奇夜光杯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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