Pandas最常用的7个统计函数详解

在数据分析的过程中,使用统计函数有助于我们理解和分析数据。Pandas作为一个最热门的Python数据处理库,提供了许多有用的统计函数,用于对数据进行汇总、分组、聚合和计算。

下面的表格是一些常见的统计函数:

函数名称 函数功能说明
describe() 生成数据集的描述性统计信息,包括计数、平均值、标准差、最小值、最大值和四分位数等。
mean() 计算序列或数据框的平均值。
median() 计算序列或数据框的中位数。
mode() 计算序列或数据框的众数。
var() 计算序列或数据框的方差。
std() 计算序列或数据框的标准差。
min() 计算序列或数据框的最小值。
max() 计算序列或数据框的最大值。
sum() 计算序列或数据框的总和。
count() 计算序列或数据框中的非缺失值数量。
quantile() 计算序列或数据框的分位数。
cumsum() 计算序列或数据框的累计和。
cumprod() 计算序列或数据框的累计积。
cummax() 计算序列或数据框的累计最大值。
cummin() 计算序列或数据框的累计最小值。
corr() 计算序列或数据框之间的相关系数矩阵。
cov() 计算序列或数据框之间的协方差矩阵。
skew() 计算序列或数据框的偏度。
kurtosis() 计算序列或数据框的峰度。
value_counts() 计算序列或数据框中每个值的出现次数。

接下来将为你介绍Pandas最常用的7个统计函数。

mean():计算序列或数据框的平均值

import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.mean()) # 输出: 3.0

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(dataframe.mean()) # 输出: A    2.0  B    5.0  dtype: float64

sum():计算序列或数据框的总和


import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.sum()) # 输出: 15

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(dataframe.sum()) # 输出: A    6  B    15  dtype: int64

count():计算序列或数据框中的非缺失值数量


import pandas as pd
import numpy as np

data = pd.Series([1, 2, np.nan, 4, 5])
print(data.count()) # 输出: 4

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, np.nan, 6]})
print(dataframe.count()) # 输出: A    3  B    2  dtype: int64

max():计算序列或数据框的最大值


import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.max()) # 输出: 5

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(dataframe.max()) # 输出: A    3  B    6  dtype: int64

min():计算序列或数据框的最小值


import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.min()) # 输出: 1

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(dataframe.min()) # 输出: A    1  B    4  dtype: int64

std():计算序列或数据框的标准差


import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.std()) # 输出: 1.5811388300841898

dataframe = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(dataframe.std()) # 输出: A    1.0  B    1.0  dtype: float64

var():计算序列或数据框的方差

import pandas as pd

data = pd.Series([1, 2, 3, 4, 5])
print(data.var()) #2.5

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Pandas最常用的7个统计函数详解 - Python技术站

(1)
上一篇 2023年3月5日
下一篇 2023年3月6日

相关文章

  • Pandas Series对象常用的属性和方法

    Pandas Series对象是一维标签数组,主要用于存储不同数据类型的数据。 Series常用属性 下面我们介绍 Series 的常用属性和方法。在下表列出了 Series 对象的常用属性。 名称 属性 index 返回一个Index对象,代表Series的索引。 values 返回一个numpy数组,代表Series的值。 dtype 返回Series中…

    Pandas 2023年3月4日
    00
  • 详解Pandas随机抽样(sample)使用方法

    Pandas中的sample()函数可以从数据集中随机抽取行或列,可以用于数据集的随机采样、创建数据集的随机子集、模型评估等场景。下面我们来详细介绍一下sample()函数的用法。 首先,sample()函数有以下几个参数: n: 抽取的行数或列数。 frac: 抽取的行数或列数相对于数据集的比例,范围在0到1之间。 replace: 是否允许重复抽取,默认…

    Pandas 2023年3月6日
    00
  • Pandas绘图方法(plot)详解

    Pandas 在数据可视化方面有着较为广泛的应用,Pandas 的 plot() 方法可以用来绘制各种类型的统计图表,包括线图、散点图、柱状图、饼图、密度图等等。 plot() 方法是基于matplotlib库构建的,因此具有很高的灵活性和可定制性,可以通过参数设置对图表进行调整。plot()方法可以直接作用于Series、DataFrame和GroupBy…

    2023年3月6日 Pandas
    00
  • Pandas最常用的4种窗口函数

    Pandas窗口函数(Window Function)是一种基于滑动窗口的函数,用于在序列或数据框上执行基于窗口的操作,如滚动平均、滚动求和、滚动方差等。 与一般的聚合函数不同,窗口函数可以计算滑动窗口内的值,并生成与原序列或数据框相同长度的序列或数据框。 接下来将为你介绍Pandas中常用的4种窗口函数。 滚动平均值 滚动平均值是指在滑动窗口内计算平均值。…

    Pandas 2023年3月5日
    00
  • Pandas loc、iloc用法详解

    Pandas中的loc和iloc都是用来选择数据的方法,主要作用是在DataFrame中根据行、列的标签或位置进行数据的选择和切片。 具体来说,loc通过标签选择数据,iloc通过位置选择数据。loc和iloc都可以使用切片和布尔索引,还支持多层索引和高级索引等操作。 下面详细介绍一下这两种方法的用法: loc方法 loc方法是通过行标签和列标签来访问数据的…

    Pandas 2023年3月5日
    00
  • Pandas最常用的5种聚合函数

    Pandas聚合函数(Aggregation Function)是一种数据处理函数,用于对数据进行汇总、统计和分析。在数据分析中,常常需要对数据进行聚合计算,如计算平均值、总和、标准差、方差等。Pandas提供了多种聚合函数,可以方便地对数据进行统计和分析。 Pandas聚合函数可以应用于Series和DataFrame对象,可以对整个序列或数据框进行聚合,…

    Pandas 2023年3月5日
    00
  • Pandas库的下载和安装

    Python 官方标准发行版并没有自带 Pandas 库,因此需要另行安装。下面介绍在不同操作系统环境下,标准发行版安装 Pandas 的方法。 Windows系统安装 使用 pip 包管理器安装 Pandas,是最简单的一种安装方式。在 CMD 命令提示符界面行执行以下命令:pip install pandas Linux系统安装 对于不同的版本的 Lin…

    Pandas 2023年3月4日
    00
  • Pandas对象使用自定义函数的3个方法!

    Pandas为什么要使用自定义函数? 使用自定义函数可以让我们更灵活地对数据进行处理和分析。在某些情况下,内置的函数可能无法满足我们的需求,例如需要进行特定的数据清洗、转换或计算。这时候,我们可以编写自己的函数来处理数据。同时,自定义函数也可以让我们更好地复用代码,提高开发效率。 接下来我们将详细介绍Pandas使用自定义函数的4种方法。 Pandas使用自…

    Pandas 2023年3月4日
    00
合作推广
合作推广
分享本页
返回顶部