Python Pandas 常用统计数据方法汇总（求和，计数，均值，中位数，分位数，最大/最小，方差，标准差等） |
您所在的位置：网站首页 › 为什么全世界芯片短缺 › Python Pandas 常用统计数据方法汇总（求和，计数，均值，中位数，分位数，最大/最小，方差，标准差等） |
|
Pandas 统计数据方法汇总
准备数据：一、数据的总体描述1.1 统计行数 len(df)1.2 统计有多少种不同的值 df['lable'].nunique()1.3 对 列 中每种不同的值 进行计数 df['lable'].value_counts()1.4 整体统计描述 df.describe()1.4.1 仅对数值型1.4.2 对所有类型 df.describe(include='all')1.4.3 对指定的列
二、指定统计方式2.1 求和 sum()2.2 计数 df.count()2.3 中位数 df.median()2.4 分位数 df.quantile()2.5 最大值 / 最小值 df.max() / df.min()2.6 均值 df.mean()2.7 方差 / 标准差 df.var() / df.std()
三、批量操作（对每个元素应用同一个自定义函数）df.apply()3.1 对整张表格3.2 对指定的列
准备数据：
import pandas as pd
# 假设有 5 个人，分别参加了 4 门课程，获得了对应的分数
# 同时这个 5 个人分别负责的项目个数 在 'Project_num' 列中显示
data = {'name' : pd.Series(['Alice', 'Bob', 'Cathy', 'Dany', 'Ella', 'Ford', 'Gary', 'Ham', 'Ico', 'Jack']),
'Math_A' : pd.Series([1.1, 2.2, 3.3, 4.4, 5, 3.2, 2.4, 1.5, 4.3, 4.5]),
'English_A' : pd.Series([3, 2.6, 2, 1.7, 3, 3.3, 4.4, 5, 3.2, 2.4]),
'Math_B' : pd.Series([1.7, 2.5, 3.6, 2.4, 5, 2.2, 3.3, 4.4, 1.5, 4.3]),
'English_B' : pd.Series([5, 2.6, 2.4, 1.3, 3, 3.6, 2.4, 5, 2.2, 3.1]),
'Project_num' : pd.Series([2, 3, 0, 1, 7, 2, 1, 5, 3, 4]),
'Sex' : pd.Series(['F', 'M', 'M', 'F', 'M', 'F', 'M', 'M', 'F', 'M'])
}
df = pd.DataFrame(data)
print(df)
运行结果： name Math_A English_A Math_B English_B Project_num Sex 0 Alice 1.1 3.0 1.7 5.0 2 F 1 Bob 2.2 2.6 2.5 2.6 3 M 2 Cathy 3.3 2.0 3.6 2.4 0 M 3 Dany 4.4 1.7 2.4 1.3 1 F 4 Ella 5.0 3.0 5.0 3.0 7 M 5 Ford 3.2 3.3 2.2 3.6 2 F 6 Gary 2.4 4.4 3.3 2.4 1 M 7 Ham 1.5 5.0 4.4 5.0 5 M 8 Ico 4.3 3.2 1.5 2.2 3 F 9 Jack 4.5 2.4 4.3 3.1 4 M 一、数据的总体描述 1.1 统计行数 len(df) print(len(df)) # 不包括表头（列标签）运行结果： 10 1.2 统计有多少种不同的值 df[‘lable’].nunique() print(df['Sex'].nunique()) # 这些人中有多少种性别呢运行结果： 2 1.3 对 列 中每种不同的值 进行计数 df[‘lable’].value_counts() print(df['Sex'].value_counts()) # 统计每种性别有多少人数，这里的 int64 指的是统计数字运行结果： M 6 F 4 Name: Sex, dtype: int64 1.4 整体统计描述 df.describe() 1.4.1 仅对数值型 print(df.describe()) # 对整张表格进行统计描述（这里仅对数值形的列进行统计）运行结果： Math_A English_A Math_B English_B Project_num count 10.000000 10.000000 10.000000 10.000000 10.000000 mean 3.190000 3.060000 3.090000 3.060000 2.800000 std 1.355196 1.014561 1.211473 1.189958 2.097618 min 1.100000 1.700000 1.500000 1.300000 0.000000 25% 2.250000 2.450000 2.250000 2.400000 1.250000 50% 3.250000 3.000000 2.900000 2.800000 2.500000 75% 4.375000 3.275000 4.125000 3.475000 3.750000 max 5.000000 5.000000 5.000000 5.000000 7.000000 1.4.2 对所有类型 df.describe(include=‘all’) print(df.describe(include='all')) # 对整张表格进行统计描述（所有类型进行统计）运行结果： name Math_A English_A Math_B English_B Project_num Sex count 10 10.000000 10.000000 10.000000 10.000000 10.000000 10 unique 10 NaN NaN NaN NaN NaN 2 top Jack NaN NaN NaN NaN NaN M freq 1 NaN NaN NaN NaN NaN 6 mean NaN 3.190000 3.060000 3.090000 3.060000 2.800000 NaN std NaN 1.355196 1.014561 1.211473 1.189958 2.097618 NaN min NaN 1.100000 1.700000 1.500000 1.300000 0.000000 NaN 25% NaN 2.250000 2.450000 2.250000 2.400000 1.250000 NaN 50% NaN 3.250000 3.000000 2.900000 2.800000 2.500000 NaN 75% NaN 4.375000 3.275000 4.125000 3.475000 3.750000 NaN max NaN 5.000000 5.000000 5.000000 5.000000 7.000000 NaN 1.4.3 对指定的列 print(df.Math_A.describe()) # 对指定的列进行统计描述运行结果： count 10.000000 mean 3.190000 std 1.355196 min 1.100000 25% 2.250000 50% 3.250000 75% 4.375000 max 5.000000 Name: Math_A, dtype: float64 二、指定统计方式 2.1 求和 sum() print(df.Project_num.sum())运行结果： 28 2.2 计数 df.count() print(df.count())运行结果： name 10 Math_A 10 English_A 10 Math_B 10 English_B 10 Project_num 10 Sex 10 dtype: int64 2.3 中位数 df.median() print(df.median())运行结果： Math_A 3.25 English_A 3.00 Math_B 2.90 English_B 2.80 Project_num 2.50 dtype: float64 2.4 分位数 df.quantile() print(df.quantile([0.25,0.75]))运行结果： Math_A English_A Math_B English_B Project_num 0.25 2.250 2.450 2.250 2.400 1.25 0.75 4.375 3.275 4.125 3.475 3.75 2.5 最大值 / 最小值 df.max() / df.min() print(df.max()) print(df.min()) # 字符串在计算机表示中也是有大小区别的运行结果： name Jack Math_A 5 English_A 5 Math_B 5 English_B 5 Project_num 7 Sex M dtype: object name Alice Math_A 1.1 English_A 1.7 Math_B 1.5 English_B 1.3 Project_num 0 Sex F dtype: object 2.6 均值 df.mean() print(df.mean()) # 仅对数值类型进行求解运行结果： Math_A 3.19 English_A 3.06 Math_B 3.09 English_B 3.06 Project_num 2.80 dtype: float64 2.7 方差 / 标准差 df.var() / df.std() print(df.var()) print(df.std()) # 仅对数值类型进行求解运行结果： Math_A 1.836556 English_A 1.029333 Math_B 1.467667 English_B 1.416000 Project_num 4.400000 dtype: float64 Math_A 1.355196 English_A 1.014561 Math_B 1.211473 English_B 1.189958 Project_num 2.097618 dtype: float64 三、批量操作（对每个元素应用同一个自定义函数）df.apply() 3.1 对整张表格 def double (x): return x*2 print(df.apply(double)) # 对于数值就是 乘以 2 # 但是对于字符串，那就是重复2遍的操作运行结果： name Math_A English_A Math_B English_B Project_num Sex 0 AliceAlice 2.2 6.0 3.4 10.0 4 FF 1 BobBob 4.4 5.2 5.0 5.2 6 MM 2 CathyCathy 6.6 4.0 7.2 4.8 0 MM 3 DanyDany 8.8 3.4 4.8 2.6 2 FF 4 EllaElla 10.0 6.0 10.0 6.0 14 MM 5 FordFord 6.4 6.6 4.4 7.2 4 FF 6 GaryGary 4.8 8.8 6.6 4.8 2 MM 7 HamHam 3.0 10.0 8.8 10.0 10 MM 8 IcoIco 8.6 6.4 3.0 4.4 6 FF 9 JackJack 9.0 4.8 8.6 6.2 8 MM 3.2 对指定的列 def double (x): return x*2 print(df.Math_B.apply(double))运行结果： 0 3.4 1 5.0 2 7.2 3 4.8 4 10.0 5 4.4 6 6.6 7 8.8 8 3.0 9 8.6 Name: Math_B, dtype: float64 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |