数据分析实践入门（四）：数据运算

作者 | CDA数据分析师

进行到这一步就可以开始正式的烹饪了。前面我们列举了不同纬度的分析指标，这一章我们主要看看这些指标都是怎么计算出来的。

一、算术运算

算术运算就是基本的加减乘除，在Excel或Python中数值类型的任意两列可以直接进行加、减、乘、除运算，而且是对应元素进行加、减、乘、除运算，Excel 中的算术运算比较简单，这里就不展开了，下面主要介绍Python中的算术运算。

列相加的具体实现如下所示。

两列相减的具体实现如下所示。

两列相乘的具体实现如下所示。

两列相除的具体实现如下所示。

任意一列加/减一个常数值，这一列中的所有值都加/减这个常数值，具体实现如下所示。

任意一列乘/除一个常数值，这一列中的所有值都乘/除这一常数值

二、比较运算

比较运算和Python基础知识中讲到的比较运算一致，也是常规的大于、等于、小于之类的，只不过这里的比较是在列与列之间进行的。常用的比较运算符见2.9.2节。

在Excel中列与列之间的比较运算和Python中的方法一致，例子如下图所示。

下面是一些Python中列与列之间比较的例子。

三、汇总运算

讲到的算术运算和比较运算都是在列与列之间进行的，运算结果是有多少行的值就会返回多少个结果，而汇总运算是将数据进行汇总返回一个汇总以后的结果值。

1、 count非空值计数

非空值计数就是计算某一个区域中非空（单元格）数值的个数。

在Excel中 counta ( ) 函数用于计算某个区域中非空单元格的个数。与 counta ( ) 函数类似的一个函数是count()函数，它用于计算某个区域中含有数字的单元格的个数。

在 Python 中，直接在整个数据表上调用 count ( ) 函数，返回的结果为该数据表中每列的非空值的个数，具体实现如下所示。

count ( ) 函数默认是求取每一列的非空数值的个数，可以通过修改axis参数让其等于1，来求取每一行的非空数值的个数。

也可以把某一列或者某一行索引出来，单独查看这一列或这一行的非空值个数。

2、 sum求和

求和就是对某一区域中的所有数值进行加和操作。

在 Excel 中要求取某一区域的和，直接在 sum ( ) 函数后面的括号中指明要求和的区域，即要对哪些值进行求和操作即可。例子如下所示。

在Python中，直接在整个数据表上调用 sum ( ) 函数，返回的是该数据表每一列的求和结果，例子如下所示。

sum ( ) 函数默认对每一列进行求和，可通过修改axis参数，让其等于1，来对每一行的数值进行求和操作。

也可以把某一列或者某一行索引出来，单独对这一列或这一行数据进行求和操作。

3、mean求均值

求均值是针对某一区域中的所有值进行求算术平均值运算。均值是用来衡量数据一般情况的指标，容易受到极大值、极小值的影响。

在Excel中对某个区域内的值进行求平均值运算，用的是 average ( ) 函数，只要在average ( ) 函数中指明要求均值运算的区域即可，比如：

在Python中的求均值利用的是mean()函数，如果对整个表直接调用 mean ( ) 函数，返回的是该表中每一列的均值。

mean ( ) 函数默认是对数据表中的每一列进行求均值运算，可通过修改 axis 参数，让其等于1，来对每一行进行求均值运算。

也可以把某一列或者某一行通过索引的方式取出来，然后在这一行或这一列上调用mean ( ) 函数，单独求取这一行或这一列的均值。

4、 max求最大值

求最大值就是比较一组数据中所有数值的大小，然后返回最大的一个值。

在Excel和Python中，求最大值使用的都是 max ( ) 函数，在Excel中同样只需要在 max ( ) 函数中指明要求最大值的区域即可；在Python中，和其他函数一样，如果对整个表直接调用 max ( ) 函数，则返回该数据表中每一列的最大值。 max ( ) 函数也可以对每一行求最大值，还可以单独对某一行或某一列求最大值。

5、 min求最小值

求最小值与求最大值是相对应的，通过比较一组数据中所有数值的大小，然后返回最小的那个值。

在Excel和Python中都使用 min ( ) 函数来求最小值，它的使用方法与求最大值的类似，这里不再赘述。示例代码如下。

6、 median求中位数

中位数就是将一组含有n个数据的序列X按从小到大排列，位于中间位置的那个数。

中位数是以中间位置的数来反映数据的一般情况，不容易受到极大值、极小值的影响，因而在反映数据分布情况上要比平均值更有代表性。

现有序列为X:{X1、X2、X3、......、Xn}。

如果n为奇数，则中位数：

如果n为偶数，则中位数：

例如，1、3、5、7、9的中位数为5，而1、3、5、7的中位数为(3+5)/2=4。

在Excel和Python中求一组数据的中位数，都是使用 median ( ) 函数来实现的。

下面为在Excel中求中位数的示例：

在Python中，median ( ) 函数的使用原则和其他函数的一致。

7、mode求众数

顾名思义，众数就是一组数据中出现次数最多的数，求众数就是返回这组数据中出现次数最多的那个数。

在Excel和Python中求众数都使用 mode ( ) 函数，使用原则与其他函数完全一致。

在Excel中求众数的示例如下：

在Python中求众数的示例如下：

8、 var 求方差

方差是用来衡量一组数据的离散程度（即数据波动幅度）的。

在Excel和Python中求一组数据中的方差都使用 var ( ) 函数。

下面为在Excel中求方差的示例：

在Python中， var ( ) 函数的使用原则和其他函数的一致。

9、 std 求标准差

标准差是方差的平方根，二者都是用来表示数据的离散程度的。

在Excel中计算标准差使用的是 stdevp ( ) 函数，示例如下：

在 Python 中计算标准差使用的是 std ( ) 函数， std ( ) 函数的使用原则与其他函数的一致，示例如下：

10、 quantile 求分位数

分位数是比中位数更加详细的基于位置的指标，分位数主要有四分之一分位数、四分之二分位数、四分之三分位数，而四分之二分位数就是中位数。

在Excel中求分位数用的是 percentile ( ) 函数，示例如下：

在Python中求分位数用的是 quantile ( ) 函数，要在 quantile 后的括号中指明要求取的分位数值， quantile ( ) 函数与其他函数的使用规则相同。

四、 相关性运算

相关性常用来衡量两个事物之间的相关程度，比如我们前面举的例子：啤酒与尿布二者的相关性很强。我们一般用相关系数来衡量两者的相关程度，所以相关性计算其实就是计算相关系数，比较常用的是皮尔逊相关系数。

在Excel中求取相关系数用的是 correl ( ) 函数，示例如下：

在Python中求取相关系数用的是 corr ( ) 函数，示例如下：

还可以利用 corr( ) 函数求取整个 DataFrame 表中各字段两两之间的相关性，示例如下：

扫码进入CDA官方小程序，解锁更多新鲜资讯和优质内容，还有免费试听课程，不要错过哟！