07 pandas DataFrame - 相关系数与协方差、去重、计数、成员资格

=== 相关系数与协方差 ===

相关系数(Correlation coeffieient)：
是研究变量之间线性相关程度的量，一般用字母 r 表示。

协方差(Convariance，COV)：
反应了两个样本之间的相互关系和关联程度。

协方差COV

有一组年龄和身高的数据

import pandas as pd
import numpy as np
data = pd.DataFrame({
        "年龄":[8,9,10,11,12],
        "身高":[130,135,140,141,150]
    })

1、协方差

研究年龄和身高成一个什么样的关系

data['年龄'].cov(data['身高'])

11.5

如果返回的是正数，代表两组数据“同向”发展,数值越大，“同向”程度越高
这组数据的返回值是11.5，代表年龄的身高之间还是有点关系的

如果身高的数据改成 "身高":[150,145,140,131,130] 越长越矮
则返回 -11.5,代表两组数据“反向”发展,数值越大，“反向”程度越高

2、 相关系数 - 判断两组数据是否相似

取值为[-1,1] 越接近1，代表相似程度越高

data['年龄'].corr(data['身高'])

0.9745412767961823

如果将身高其中一项改成145，使得数据完全相似
"身高":[130,135,140,145,150]
即年龄每长1岁，身高必长5厘米
则返回值为1,表示完全相似

=== 去重 ===

stu_info = pd.read_excel('student_info1.xlsx',sheetname='countif').head(5)
stu_info

数据去重 unique
unique只能针对Series进行去重

print(type(stu_info))
print(type(stu_info['语文']))
print(type(stu_info['语文'].unique()))

stu_info['语文'].unique()

<class 'pandas.core.frame.DataFrame'>
<class 'pandas.core.series.Series'>
<class 'numpy.ndarray'>
array([58, 93, 86, 96, 52], dtype=int64)

=== 计数 ===

每个成绩出现的次数 value_counts
value_counts只能用于Series

stu_info['语文'].value_counts()

86    1
93    1
52    1
58    1
96    1
Name: 语文, dtype: int64

=== 成员资格 ===

判断DataFrame的Series中是否存在某个值
语文成绩中是否有93或96

stu_info['语文'].isin([93,96])

0    False
1     True
2    False
3     True
4    False
Name: 语文, dtype: bool