Pandas统计分析

pandas数据的基本统计分析

和numpy的函数近似

import pandas as pd

dates = pd.date_range('20130101',periods=10)
dates

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
               '2013-01-05', '2013-01-06', '2013-01-07', '2013-01-08',
               '2013-01-09', '2013-01-10'],
              dtype='datetime64[ns]', freq='D')

import numpy as np

df = pd.DataFrame(np.random.randn(10,4),index=dates,columns=['A','B','C','D'])
df

df.describe() # 快速统计结果

df.mean() # 按列求平均值

A   -0.546045
B    0.235211
C    0.628182
D    0.566583
dtype: float64

df.mean(1) # 按行求平均值

2013-01-01    0.213840
2013-01-02    0.777259
2013-01-03    0.236614
2013-01-04   -0.226293
2013-01-05    0.518271
2013-01-06   -0.087563
2013-01-07    0.046575
2013-01-08    0.450072
2013-01-09    0.188414
2013-01-10    0.092638
Freq: D, dtype: float64

基本统计分析函数

• .describe() 针对0轴(列)的统计汇总，计数/平均值/标准差/最小值/四分位数/最大值
• .sum() 计算数据的总和,按0轴计算(各行计算),下同,要按列计算参数1
• .count() 非NaN值数量
• .mean() .median() .mode() 计算数据的算数平均值/算数中位数/众数
• .var() .std() 计算数据的方差/标准差
• .min() .max() 计算数据的最小值/最大值

只适用于series:

• .argmin(),.argmax() 计算数据最大值/最小值所在位置的索引位置(自动索引,用她是因为很容易切片等操作)
• .idxmin(),.idxmax() 计算数据最大值/最小值所在位置的索引(自定义索引)

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

a    9
b    8
c    7
d    6
dtype: int64

b = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
b

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

type(a.describe()) # series对象

pandas.core.series.Series

a.describe()['count']

4.0

b.describe() #默认0轴运算

type(b.describe()) #dataframe对象

pandas.core.frame.DataFrame

# 返回横行数据,series
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().iloc[7]

0    15.0
1    16.0
2    17.0
3    18.0
4    19.0
Name: max, dtype: float64

# 返回一列值,这里第2列
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

b.describe().loc[:,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

数据的累计统计分析

• 对序列的前1-n个数累计运算
• 可减少for循环的使用

累计统计分析函数,适用于series和dataframe类型

• .cumsum() 依次给出前1/2/…/n个数的和
• .cumprod() 依次给出前1/2/…/n个数的积
• .cummax() 依次给出前1/2/…/n个数的最大值
• .cummin() 依次给出前1/2/…/n个数的最小值

b = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
b

b.cumsum() # 列的累加和

b.cumprod() # 列的累加积

滚动计算(窗口计算)函数

适用series/dataframe

• .rolling(w).sum() 依次计算相邻w个元素的和
• .rolling(w).mean() 依次计算相邻w个元素的算数平均值
• .rolling(w).var() 依次计算相邻w个元素的方差
• .rolling(w).std() 依次计算相邻w个元素的标准差
• .rolling(w).min .max() 依次计算相邻w个元素的最小值/最大值

b.rolling(2).sum() # 纵向列,以两个元素为单位,做求和运算

b.rolling(3).sum()