python DataFrame常用描述性統計分析方法

????????????

??????????? 個人簡介
🍹歡迎各路大佬來到小啾主頁指點??
?博客主頁：云雀編程小窩 🌹??
🌹??點贊 + 關注 + 收藏?
????
?? 感謝大家的支持：一起加油！共同進步！ 🍹

sum() 求和

使用sum()方法對DataFrame物件求和，
其中**set_option(‘display.unicode.east_asian_width’, True)**可以使顯示的DataFrame值與列名對齊，
sum有axis引數，默認為0，表示對列求和

• 設定為1表示對行求和，
• 也可以設定 skipna引數，改引數默認為True，表示不考慮缺失值，如果是False則表示考慮缺失值，當存在缺失值時，則對應的結果表示為Nan，
• （布爾型別的引數值，當傳入為其它型別的值時，也解讀為該值的布林值）

這里對示例資料的行求和，然后生成一個新的列添加在資料中，

import pandas as pd
data = [[110, 105, 99], [105, 88, 115], [109, 120, 130]]
index = [1, 2, 3]
columns = ['語文', '數學', '英語']
pd.set_option('display.unicode.east_asian_width', True)
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print("================================")
# 增加一列
df['總成績'] = df.sum(axis=1, skipna=1)
print(df)

程式運行結果如下：

mean() 求平均值

這里對生成資料的每一列求平均值，然后作為一個新的行增加給原資料，

通過示例可以看到，當原資料中存在空值時，計算均值時分子和分母都不計入該資料，即mean()求的是非空資料的平均值，

import pandas as pd
data = [[110, 105, 99], [105, 88, 115], [109, 120, 130], [112, 115]]
index = [1, 2, 3, 4]
columns = ['語文', '數學', '英語']
pd.set_option('display.unicode.east_asian_width', True)
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print("================================")
new = df.mean()
# 增加一行資料（語文、數學和英語的平均值,忽略索引）
df = df.append(new, ignore_index=True)
print(df)

關于DataFrame的append()方法
DataFrame增添一行可以使用append()方法，設定引數，ignore_index=True可以忽略掉索引，
當在DataFrame后邊追加的物件為Series時，必須把ignore_index設為True，或者除非Serise有name屬性，
當追加多列時，設定ignore_index為True可以避免出現索引值重復的例外事件，
此外DataFrame的append()方法在未來的版本即將被取消，將由concat替代，

max() 最大值 & min() 最小值

import pandas as pd
data = [[110, 105, 99], [105, 88, 115], [109, 120, 130]]
index = [1, 2, 3]
columns = ['語文', '數學', '英語']
pd.set_option('display.unicode.east_asian_width', True)
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print("================================")
df_max = df.max()
print(df_max)
print("================================")
df_min = df.min()
print(df_min)

median() 中位數

import pandas as pd
data = [[110, 120, 110], [130, 130, 131], [115, 120, 130]]
columns = ['語文', '數學', '英語']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("================================")
print(df.median())

mode() 眾數

import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
columns = ['語文', '數學', '英語']
df = pd.DataFrame(data=data, columns=columns)
print(df)
# 三科成績的眾數
print(df.mode())
# 每一行的眾數
print(df.mode(axis=1))
# “數學”的眾數
print(df['數學'].mode())

var() 方差

import pandas as pd
data = [[110, 113, 102, 105, 108], [118, 98, 119, 85, 118]]
index = ['小黑', '小白']
columns = ['物理1', '物理2', '物理3', '物理4', '物理5']
df = pd.DataFrame(data=data, index=index, columns=columns)
print(df)
print("========================================")
print(df.var(axis=1))

std() 標準差

import pandas as pd
data = [[110, 120, 110], [130, 130, 130], [130, 120, 130]]
columns = ['語文', '數學', '英語']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("=============================")
print(df.std())

quantile() 分位數

以35%分位數為例

import pandas as pd
# 創建DataFrame資料（數學成績）
data = [120, 89, 98, 78, 65, 102, 112, 56, 79, 45]
columns = ['數學']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("============================")
# 計算35%的分位數
x = df['數學'].quantile(0.35)
# 輸出淘汰學生
print(df[df['數學'] <= x])

關于其他資料型別，如Timestamp，也可以使用分位數quantile()方法，

import pandas as pd
pd.set_option('display.unicode.east_asian_width', True)
df = pd.DataFrame({'A': [1, 2],
                   'B': [pd.Timestamp('2019'),
                         pd.Timestamp('2020')],
                   'C': [pd.Timedelta('1 days'),
                         pd.Timedelta('2 days')]})
print(df)
print("==============================")
print(df.quantile(0.5, numeric_only=False))