pandas基本数据统计分析

本文的主要内容是基于中国大学mooc（慕课）中的“Python数据分析与可视化”课程进行整理和总结。
pandas提供了一些数据统计分析的函数，这些函数使用于Series和DataFrame类型。

还有一些函数只适用于Serise类型。

自动索引的一个比较大的好处在于：自动索引是一个0-n的数，我们很容易的可以通过区间切片或者索引的方式获得我们需要的数据，而自定义索引很难形成一个序列，对其进行切片相对复杂或没有一定规律可循。
在Series和DataFrame类型中有一个方法囊括了所有方法的结果：

a = pd.Series([9, 8, 7, 6],index=['a','b','c','d'])
a

a    9
b    8
c    7
d    6
dtype: int64

a.describe()

count    4.000000
mean     7.500000
std      1.290994
min      6.000000
25%      6.750000
50%      7.500000
75%      8.250000
max      9.000000
dtype: float64

使用.describe()方法生成的是什么类型呢？

type(a.describe())
pandas.core.series.Series

可以发现，生成的就是一个Series类型，为此我们可以对其使用Series类型的方法。

a.describe()['count']
4.0

对于二维的DataFrame对象，我们也能使用.describe()方法。

b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c', 'a', 'd', 'b'])
b.describe()
0			1			2			3			4
count	4.000000	4.000000	4.000000	4.000000	4.000000
mean	7.500000	8.500000	9.500000	10.500000	11.500000
std		6.454972	6.454972	6.454972	6.454972	6.454972
min		0.000000	1.000000	2.000000	3.000000	4.000000
25%		3.750000	4.750000	5.750000	6.750000	7.750000
50%		7.500000	8.500000	9.500000	10.500000	11.500000
75%		11.250000	12.250000	13.250000	14.250000	15.250000
max		15.000000	16.000000	17.000000	18.000000	19.000000

此时生成的值是按照0轴方向进行计算，也就是说生成的所有统计值是计算每一列统计值的信息。

type(b.describe())
pandas.core.frame.DataFrame

b.describe().loc['max']
0    15.0
1    16.0
2    17.0
3    18.0
4    19.0
Name: max, dtype: float64

b.describe()[2]
count     4.000000
mean      9.500000
std       6.454972
min       2.000000
25%       5.750000
50%       9.500000
75%      13.250000
max      17.000000
Name: 2, dtype: float64

• 点赞
• 收藏
• 分享
• 文章举报