Pandas 對(duì)象擁有一組常用的數(shù)學(xué)和統(tǒng)計(jì)方法，他們大部分都屬于約簡(jiǎn)和匯總統(tǒng)計(jì)，用于從 Series 中提取單個(gè)值（如 sum/mean），或者從 DataFrame 的行或列中提取一個(gè) Series。

In [144]: df = DataFrame([[1,np.nan],[2,3],[np.nan,np.nan],[0,2]],...: index=['a','b','c','d'],columns=['one','two'])In [145]: df
Out[145]: one  two
a  1.0  NaN
b  2.0  3.0
c  NaN  NaN
d  0.0  2.0
# sum 方法返回一個(gè)含有列小計(jì)的 Series
In [146]: df.sum()
Out[146]: 
one    3.0
two    5.0
dtype: float64
# axis 將會(huì)按行進(jìn)行求和運(yùn)算，NA 值會(huì)自動(dòng)被排除
In [147]: df.sum(axis=1)
Out[147]: 
a    1.0
b    5.0
c    0.0
d    2.0
dtype: float64
# 通過(guò) skipna 參數(shù)可以禁用 NA 值參與計(jì)算
In [151]: df.sum(axis=1,skipna=False)
Out[151]: 
a    NaN
b    5.0
c    NaN
d    2.0
dtype: float64

# idxmax、idxmin 返回的是間接統(tǒng)計(jì)（比如達(dá)到最小值或最大值的索引）
In [153]: df.idxmax()
Out[153]: 
one    b
two    b
dtype: object
# cumsum 則是累計(jì)型的
In [154]: df.cumsum()
Out[154]: one  two
a  1.0  NaN
b  3.0  3.0
c  NaN  NaN
d  3.0  5.0

describe 用于一次性產(chǎn)生多個(gè)匯總統(tǒng)計(jì)：

In [155]: df.describe()
Out[155]: one       two
count  3.0  2.000000
mean   1.0  2.500000
std    1.0  0.707107
min    0.0  2.000000
25%    0.5  2.250000
50%    1.0  2.500000
75%    1.5  2.750000
max    2.0  3.000000

1. 相關(guān)系數(shù)與協(xié)方差

   P156

2. 唯一值、值計(jì)數(shù)以及成員資格

   從一維 Series 中提取不重復(fù)的值時(shí)，可以使用 unique 函數(shù)：

   In [156]: obj = Series(['c','a','d','a','a','b','b','c','c'])In [157]: obj.unique()
   Out[157]: array(['c', 'a', 'd', 'b'], dtype=object)
   

   value_counts 用于計(jì)算一個(gè) Series 中各值出現(xiàn)的頻率：

   In [160]: obj.value_counts()
   Out[160]: 
   c    3
   a    3
   b    2
   d    1
   dtype: int64
   # 頂級(jí) pandas 方法，可用于任何數(shù)組或序列
   In [162]: pd.value_counts(obj.values, sort=False)
   Out[162]: 
   a    3
   c    3
   b    2
   d    1
   dtype: int64
   

   isin 用于判斷矢量化集合的成員資格，可用于選取 Series 中或 DataFrame 列中數(shù)據(jù)的子集：

   obj
   Out[163]: 
   0    c
   1    a
   2    d
   3    a
   4    a
   5    b
   6    b
   7    c
   8    c
   dtype: objectobj.isin(['c','b'])
   Out[164]: 
   0     True
   1    False
   2    False
   3    False
   4    False
   5     True
   6     True
   7     True
   8     True
   dtype: boolIn [166]: mask = obj.isin(['c','b'])In [167]: obj[mask]
   Out[167]: 
   0    c
   5    b
   6    b
   7    c
   8    c
   dtype: object
   

?

總結(jié)

以上是生活随笔為你收集整理的Pandas 基础 （4）—— 汇总和计算描述统计的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。