Pandas-14.统计函数
Pandas-14.统计函数
pct_change()
- Series，DataFrame和Panel都有pct_change()函数
- 将每个元素和前一个元素进行比较，计算变化百分比
- 默认列操作，通过axis = 1参数换成行
s = pd.Series([1,2,3,4,5,6,7])
print(s.pct_change())
'''
0 NaN
1 1.000000
2 0.500000
3 0.333333
4 0.250000
5 0.200000
6 0.166667
dtype: float64
'''
df = pd.DataFrame(np.random.randn(5,2))
print(df.pct_change())
'''
0 1
0 NaN NaN
1 -0.079922 -0.967315
2 5.439245 -16.543627
3 -0.982768 1.365857
4 -16.309964 -0.422582协方差
- 适用于Series数据
- cov()方法来计算Series之间的协方差
- NAN自动被排除
- 用于DataFrame时，计算所有列之间的协方差(cov)值
s1 = pd.Series(np.random.randn(10))
s2 = pd.Series(np.random.randn(10))
s1.cov(s2)
'''
-0.2903289442568039
'''
df = pd.DataFrame(np.random.randn(10,5), columns=["a","b","c","d","e"])
df.cov()
'''
a b c d e
a 0.490571 -0.226859 0.195764 0.105226 -0.054498
b -0.226859 1.675397 -0.720394 -0.437154 0.035249
c 0.195764 -0.720394 1.277242 0.422822 -0.073178
d 0.105226 -0.437154 0.422822 0.316138 0.021553
e -0.054498 0.035249 -0.073178 0.021553 0.957176
'''相关性
- 相关性显示了任何两个Series之间的线性关系
- 有多种方法计算：pearson(默认)、spearman，和Kendall
- 自动排除DataFrame中的非数字列
df.a.corr(df.b)
# -0.25023454111623283
df.corr()
'''
a b c d e
a 1.000000 -0.250235 0.247312 0.267199 -0.079530
b -0.250235 1.000000 -0.492464 -0.600671 0.027835
c 0.247312 -0.492464 1.000000 0.665399 -0.066183
d 0.267199 -0.600671 0.665399 1.000000 0.039181
e -0.079530 0.027835 -0.066183 0.039181 1.000000
'''数据排名
- 数据排名为元素数组中的每个元素生成排名
- 在相同的情况下，分配平均等级。
- 可选的使用一个默认为true的升序参数，设定为false则逆序
- 有不同的tie-breaking方法，用方法指定：
- average - 并列组平均排序等级（默认）
- min - 组中最低的排序等级
- max - 组中最高的排序等级
- first - 按照在数组中出现的顺序分配等级
s = pd.Series(np.random.np.random.randn(5), index=list('abcde'))
s.d=s.b
s.rank()
'''
a 4.0
b 2.5
c 1.0
d 2.5
e 5.0
dtype: float64
'''本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2019.04.03 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
