4. Pandas系列 - 基本功能和统计操作

Python编程爱好者

发布于 2020-09-08 15:28:46

6680

发布于 2020-09-08 15:28:46

文章被收录于专栏：Python编程爱好者Python编程爱好者

一、系列基本功能
二、DataFrame基本功能
三、基本统计性聚合函数
- sum()方法
- sum()方法 - axis=1
- mean()方法
- std()方法 - 标准差
四、汇总数据
- 包含字符串列
五、全部包含

一、系列基本功能

编号	属性或方法	描述
1	axes	返回行轴标签列表
2	dtype	返回对象的数据类型(dtype)
3	empty	如果系列为空，则返回True
4	ndim	返回底层数据的维数，默认定义：1
5	size	返回基础数据中的元素数
6	values	将系列作为ndarray返回
7	head()	返回前n行
8	tail()	返回最后n行

axes示例：

import pandas as pd
import numpy as np

#Create a series with 100 random numbers
>>> s = pd.Series(np.random.randn(4))
>>> s
0   -0.562959
1    1.546666
2   -0.950136
3   -0.067827
dtype: float64
 
>>> s.axes  ## 返回行轴标签列表
[RangeIndex(start=0, stop=4, step=1)]

>>> s.dtype     ## 返回对象的数据类型(dtype)
dtype('float64')

>>> s.empty ## 如果系列为空，则返回True 
False

>>> s.ndim ## 返回底层数据的维数，默认定义：1
1

>>> s.size ## 返回基础数据中的元素数
4

>>> s.values ## 将系列作为ndarray返回
array([-0.56295907,  1.54666615, -0.95013554, -0.06782656])

>>> s.head() ## 返回前n行
0   -0.562959
1    1.546666
2   -0.950136
3   -0.067827
dtype: float64

>>> s.tail() ## 返回最后n行
0   -0.562959
1    1.546666
2   -0.950136
3   -0.067827
dtype: float64

二、DataFrame基本功能

列出比较重要的一些方法

编号	属性或方法	描述
1	T/tranpose()	转置行和列
2	axes	返回一个列，行轴标签和列轴标签作为唯一的成员
3	dtypes	返回此对象中的数据类型(dtypes)
4	empty	如果NDFrame完全为空[无项目]，则返回为True; 如果任何轴的长度为0
5	ndim	轴/数组维度大小
6	shape	返回表示DataFrame的维度的元组
7	size	NDFrame中的元素数
8	values	NDFrame的Numpy表示
9	head()	返回开头前n行
10	tail()	返回最后n行

sum()，mean()等聚合函数的应用

先创建个一个数据帧，然后在此基础上进行演示

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df

res:

    Age    Name  Rating
0    25     Tom    4.23
1    26   James    3.24
2    25   Ricky    3.98
3    23     Vin    2.56
4    30   Steve    3.20
5    29   Minsu    4.60
6    23    Jack    3.80
7    34     Lee    3.78
8    40   David    2.98
9    30  Gasper    4.80
10   51  Betina    4.10
11   46  Andres    3.65

三、基本统计性聚合函数

编号	函数	描述
1	count()	非空观测数量
2	sum()	所有值之和
3	mean()	所有值的平均值
4	median()	所有值的中位数
5	mode()	值的模值
6	std()	值的标准偏差
7	min()	所有值中的最小值
8	max()	所有值中的最大值
9	abs()	绝对值
10	prod()	数组元素的乘积
11	cumsum()	累计总和
12	cumprod()	累计乘积

注 - 由于DataFrame是异构数据结构。通用操作不适用于所有函数。

sum()方法

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df.sum()

res:

>>> print df.sum()
Age                                                     382
Name      TomJamesRickyVinSteveMinsuJackLeeDavidGasperBe...
Rating                                                44.92
dtype: object

sum()方法 - axis=1

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df.sum(axis=1)

res:

0     29.23
1     29.24
2     28.98
3     25.56
4     33.20
5     33.60
6     26.80
7     37.78
8     42.98
9     34.80
10    55.10
11    49.65
dtype: float64

mean()方法

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df.mean()

res:

Age       31.833333
Rating     3.743333
dtype: float64

std()方法 - 标准差

var() - 方差返回数字列的Bressel标准偏差(标准差)。

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df.std()

res:

Age       9.232682
Rating    0.661628
dtype: float64

四、汇总数据

describe()函数：DataFrame列的统计信息

指标	details
count	数量
mean	平均值
std	标准差
min	最小值
25%	第一四分位数(Q1)，又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字
50%	中位数
75%	同上类似
max	最大值

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df.describe()

res:

    Age    Name  Rating
0    25     Tom    4.23
1    26   James    3.24
2    25   Ricky    3.98
3    23     Vin    2.56
4    30   Steve    3.20
5    29   Minsu    4.60
6    23    Jack    3.80
7    34     Lee    3.78
8    40   David    2.98
9    30  Gasper    4.80
10   51  Betina    4.10
11   46  Andres    3.65

<==============================
count  12.000000  12.000000
mean   31.833333   3.743333
std     9.232682   0.661628
min    23.000000   2.560000
25%    25.000000   3.230000
50%    29.500000   3.790000
75%    35.500000   4.132500
max    51.000000   4.800000

可以看到，默认情况下排除了字符串列，只统计了数字的列那么，如果想要都包含的话，该怎么操作:

object - 汇总字符串列
number - 汇总数字列
all - 将所有列汇总在一起(不应将其作为列表值传递)

包含字符串列

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df
print df.describe(include=['object'])

res:

    Age    Name  Rating
0    25     Tom    4.23
1    26   James    3.24
2    25   Ricky    3.98
3    23     Vin    2.56
4    30   Steve    3.20
5    29   Minsu    4.60
6    23    Jack    3.80
7    34     Lee    3.78
8    40   David    2.98
9    30  Gasper    4.80
10   51  Betina    4.10
11   46  Andres    3.65
>>> print df.describe(include=['object'])
         Name
count      12
unique     12
top     Ricky
freq        1

五、全部包含

import pandas as pd
import numpy as np

# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
   'Lee','David','Gasper','Betina','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

# Create a DataFrame
df = pd.DataFrame(d)
print df
print df. describe(include='all')

res:

    Age    Name  Rating
0    25     Tom    4.23
1    26   James    3.24
2    25   Ricky    3.98
3    23     Vin    2.56
4    30   Steve    3.20
5    29   Minsu    4.60
6    23    Jack    3.80
7    34     Lee    3.78
8    40   David    2.98
9    30  Gasper    4.80
10   51  Betina    4.10
11   46  Andres    3.65
>>> print df. describe(include='all')
              Age   Name     Rating
count   12.000000     12  12.000000
unique        NaN     12        NaN
top           NaN  Ricky        NaN
freq          NaN      1        NaN
mean    31.833333    NaN   3.743333
std      9.232682    NaN   0.661628
min     23.000000    NaN   2.560000
25%     25.000000    NaN   3.230000
50%     29.500000    NaN   3.790000
75%     35.500000    NaN   4.132500
max     51.000000    NaN   4.800000

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-07-14，如有侵权请联系 cloudcommunity@tencent.com 删除

python