更新时间:2022年11月02日15时11分 来源:传智教育 浏览次数:
Pandas为我们提供了非常多的描述性统计分析的指标方法,比如总和、均值、最小值、最大值等。接下来,笔者来罗列一些常用的描述性统计方法,以及它们的具体说明。
1.sum:计算和
2.mean:计算平均值
3.median:获取中位数
4.max、min:获取最大值和最小值
5.idxmax、idxmin:获取最大和最小索引值
6.count:计算非NaN值的个数
7.head:获取前N个值
8.var:样本值的方差
9.std:样本值的标准差
10.skew:样本值的偏度(三阶矩)
11.kurt:样本值的峰度(四阶矩)
12.cumsum:样本值的累计和。
13.cummin、cummax:样本值的累积最小值和累积最大值。
14.cumpord:样本值的累计积。
15.describe:对Series和DataFrame列计算汇总统计。
下面通过一些示例来演示上述部分方法的使用。例如,创建一个3行4列的DataFrame对象,它的列索引为“a、b、c、d”,具体代码如下。
In [59]: df_obj = pd.DataFrame(np.arange(12).reshape(3, 4),
columns=['a', 'b', 'c', 'd'])
df_obj
Out[59]:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
然后,让DataFrame对象依次调用sum()、max()和min()方法,分别执行求和、求最大值和最小值的运算,具体代码如下。
In [60]: df_obj.sum() #计算每列的和
Out[60]:
a 12
b 15
c 18
d 21
dtype: int64
In [61]: df_obj.max() # 获取每列的最大值
Out[61]:
a 8
b 9
c 10
d 11
dtype: int32
In [62]: df_obj.min(axis=1) # 沿着横向轴,获取每行的最小值
Out[62]:
0 0
1 4
2 8
dtype: int32
通过结果可以看出,DataFrame默认优先以纵向轴进行计算,除非在调用这些统计方法时,显式地指明沿着横向轴方向,即aixs=1,才会对每行的数据进行计算。