Pandas知识点-统计运算函数

统计运算非常常用。本文介绍Pandas中的统计运算函数，这些统计运算函数基本都可以见名知义，使用起来非常简单。

本文使用的数据来源于网易财经，具体下载方法可以参考：Pandas知识点-DataFrame数据结构介绍

一、数据准备

数据文件是600519.csv，将此文件放到代码同级目录下，从文件中读取出数据。

为了使数据简洁一点，只保留数据中的部分列和前100行，并设置“日期”为索引。

读取的原始数据如上图，本文使用这些数据来介绍统计运算函数。

二、最大值和最小值

max(): 返回数据的最大值。使用DataFrame数据调用max()函数，返回结果为DataFrame中每一列的最大值，即使数据是字符串或object也可以返回最大值。

在Pandas中，数据的获取逻辑是“先列后行”，所以max()默认返回每一列的最大值，axis参数默认为0，如果将axis参数设置为1，则返回的结果是每一行的最大值，后面介绍的其他统计运算函数同理。根据DataFrame的数据特点，每一列的数据属性相同，进行统计运算是有意义的，而每一行数据的数据属性不一定相同，进行统计计算一般没有实际意义，极少使用，所以本文也不进行举例。

min(): 返回数据的最小值。使用DataFrame数据调用min()函数，返回结果为DataFrame中每一列的最小值，即使数据是字符串或object也可以返回最小值。

使用Series数据调用max()或min()时，返回Series中的最大值或最小值，后面介绍的其他统计运算函数同理。

idxmax(): 返回最大值的索引。在numpy中，使用argmax()和argmin()获取最大值的索引和最小值的索引，在Pandas中使用idxmax()和idxmin()，实际上idxmax()和idxmin()可以理解成对argmax()和argmin()的封装。

idxmin(): 返回最小值的索引。

使用idxmax()和idxmin()时，一般是用Series数据调用，用DataFrame数据调用可能会报TypeError。

三、均值和中位数

mean(): 返回数据的均值。使用DataFrame数据调用mean()函数，返回结果为DataFrame中每一列的平均值，mean()与max()和min()不同的是，不能计算字符串或object的平均值，所以会自动将不能计算的列省略。

median(): 返回数据的中位数。使用DataFrame数据调用median()函数，返回结果为DataFrame中每一列的中位数，median()也不能计算字符串或object的中位数，会自动将不能计算的列省略。

使用Series数据调用mean()或median()时，返回Series中的均值或中位数。

四、标准差和方差

std(): 返回数据的标准差。

var(): 返回数据的方差。方差是标准差的平方，可以进行相互验证。

五、求和、累计求和

sum(): 对数据求和。为了避免数值过大，只取5个数据进行演示，返回结果为所有数据的和。

cumsum(): 对数据累计求和。累计求和是指，对当前数据及其前面的所有数据求和。如索引1的累计求和结果为索引0、索引1的数值之和，索引2的累计求和结果为索引0、索引1、索引2的数值之和，以此类推。

cummax(): 对数据累计求最大值。

cummin(): 对数据累计求最小值。

这两个函数的累计原理都与cumsum()相同，此外还有累计求积函数cumprod()等，分别有不同的应用场景。

六、综合统计函数

describe(): 综合统计函数，可以同时返回数据中的数据量、均值、标准差、最小值、最大值，以及上四分位数、中位数、下四分位数。可以一次返回数据的多个统计属性，使用起来很方便。

此外，还有一些统计函数本文没有介绍，比如count()统计数据量、abs()求绝对值等。假如Pandas提供的函数不满足我们的统计需求，还可以借助apply()函数自定义统计运算，后面的文章再继续介绍。