pandas在dataframe中提供了丰富的统计、合并、分组、缺失值等操作函数。
1.统计函数
df.count() #非空元素计算 df.min() #最小值 df.max() #最大值 df.idxmin() #最小值的位置,类似于R中的which.min函数 df.idxmax() #最大值的位置,类似于R中的which.max函数 df.quantile(0.1) #10%分位数 df.sum() #求和 df.mean() #均值 df.median() #中位数 df.mode() #众数 df.var() #方差 df.std() #标准差 df.mad() #平均绝对偏差 df.skew() #偏度 df.kurt() #峰度 df.describe() #一次性输出多个描述性统计指标
2.分组统计 依托group by 单列如:df.groupby(‘sex’).sum() 通过多个列进行分组形成一个层次索引,然后执行函数:df.groupby([‘sex’,’B’]).sum()
案例:
#!usr/bin/env python
#_*_ coding:utf-8 _*_
import pandas as pd
import pymysql
def get_data():
conn=pymysql.connect(
host='192.168.1.xxx',
port=3306,
user='root',
passwd='xxx',
db='kmind',
charset='utf8'
)
sqldb="SELECT socre,review_star,review_author_id,review_author_level as count2 FROM source_mg_mfw_socre_ljon_01 WHERE\
review_author_id IN (select review_author_id from (SELECT review_author_id,COUNT(*) AS count1 FROM\
source_mg_mfw_socre_ljon_01 GROUP BY review_author_id HAVING count1>3)A)and socre!=' '"
pd_data=pd.read_sql(sqldb,conn)
pd_data["subtract"]=(pd_data["socre"]-pd_data["review_star"]*2)**2
print(pd_data.head(5))
#获取对应统计效果描述
print(pd_data.groupby("review_author_id").mean().describe())
print(pd_data.groupby("review_author_id").mad().describe())
print(len(pd_data.loc[pd_data["subtract"]<0.983275]))
print(pd_data.loc[pd_data["subtract"]<0.983275])
if __name__=="__main__":
get_data()
对应的原始数据结构
对应的部分数据描述