3-6 Pandas的统计计算和描述

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一
（1） 一个强大的分析和操作大型结构化数据集所需的工具集
（2） 基础是NumPy，提供了高性能矩阵的运算
（3） 提供了大量能够快速便捷地处理数据的函数和方法
（4）应用于数据挖掘，数据分析
（5）提供数据清洗功能

6. Pandas的统计计算和描述

6.1 常用的统计计算

• sum
• mean
• max
• min
• …
  参数说明 ： axis=0按列统计，axis=1按行统计；skipna排除缺失值，默认为True

import numpy as np
import pandas as pd

df = pd.DataFrame([[1.4,np.nan],[7.1,-4.5],
                  [np.nan,np.nan],[0.75,-1.3]],
                  index=['a','b','c','d'],
                  columns=['one','two'])
#结果为：
#    one  two
#a  1.40  NaN
#b  7.10 -4.5
#c   NaN  NaN
#d  0.75 -1.3
print(df)
#返回各列的和组成的Series
#结果为：
#one    9.25
#two   -5.80
df.sum()
#按行求和且不排除缺失值
#结果为：
#a     NaN
#b    2.60
#c     NaN
#d   -0.55
df.sum(axis=1,skipna=False)
#返回每一列最大值 可通过axis属性设置改为求每一行的最大值
#结果为：
#one    b
#two    d
df.idxmax()
#样本值的累计和
#结果为：
#    one	two
#a	1.40	NaN
#b	8.50	-4.5
#c	NaN	NaN
#d	9.25	-5.8
df.cumsum()
#针对Series或各DataFrame列计算汇总统计
#结果为：
#one	two
#count	3.000000	2.000000
#mean	3.083333	-2.900000
#std	3.493685	2.262742
#min	0.750000	-4.500000
#25%	1.075000	-3.700000
#50%	1.400000	-2.900000
#75%	4.250000	-2.100000
#max	7.100000	-1.300000
df.describe()
s1 = pd.Series(['a','a','b','c']*4)
print(s1)
#结果为：
#count     16 
#unique     3
#top        a
#freq       8
s1.describe()

6.2 常用的统计描述方法

方法	说明
count	非NA值的数量
describe	针对Series或各DataFrame列计算汇总统计
min、max	计算最大值和最小值
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	样本值的偏度（四阶矩）
cumsum	样本值的累计和
cummin、cummax	样本值的累计最大值和累积最小值
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