Pandas的26個統(tǒng)計匯總函數(shù)實戰(zhàn)案例。

今天為大家講述Pandas統(tǒng)計匯總函數(shù)中的26個函數(shù)。

注明： 由于實際問題中，表格數(shù)據(jù)每一行代表一個樣本，每一列代表一個字段，一般情況下對行操作的意義不大，主要是對每個不同列進(jìn)行操作。因此，下面我們僅講述對列的操作。

為了講述這些函數(shù)，我們先構(gòu)造一些數(shù)據(jù)源，方便我們用于操作。

import numpy as np
import pandas as pd

data = [[1, 2, np.nan], [2, np.nan, 3], [7, 8, 9], [3, 4, 5]]
date_range = pd.date_range(start="20180701", periods=4)
df1 = pd.DataFrame(data=data, index=date_range,
                   columns=['a', 'b', 'c'])
df1

df2 = pd.DataFrame({'Q':['LI','ZHANG','ZHANG','LI','WANG'], 
                   'A' : [1,1,1,2,2], 
                   'B' : [1,-1,0,1,2], 
                   'C' : [3,4,5,6,7]})
df2

df3 = pd.DataFrame({"id":[f"00{i}" for i in range(1,8)],
                   "score":[2,3,4,5,6,7,8]})
df3

df4 = pd.DataFrame({"姓名":["張三","李四","王五","趙六","沈七"],
                    "語文":[85,85,85,95,90],
                    "數(shù)學(xué)":[90,65,75,80,55],
                    "外語":[55,50,40,55,40]})
df4

1. max和min

min()：計算最小值；max()：計算最大值；

2. sum

sum()：求和；

3. mean

mean()：求均值；

4. count

count()：計數(shù)（統(tǒng)計非缺失元素的個數(shù)）；

5. size

size：計數(shù)（統(tǒng)計所有元素的個數(shù)）；

6. median

median()：計算中位數(shù)；

7. var

var()：計算方差；

8. std

std()：計算標(biāo)準(zhǔn)差；

9. quantile

quantile()：計算任意分位數(shù)；

10. mode

mode()：計算眾數(shù)；

11. describe

describe()：描述性統(tǒng)計（一次性返回多個統(tǒng)計結(jié)果）；

12. groupby、aggregate

groupby()：分組；aggregate()：聚合運算（可以自定義統(tǒng)計函數(shù)）；

上面已經(jīng)很清楚為大家展示了，分組后的數(shù)據(jù)形式。其實一旦使用groupby后，系統(tǒng)會自動為你分組，然后我們就可以分別對分組后的數(shù)據(jù)，進(jìn)行操作，比如下面這個案例。

13. argmin、argmax

argmin()：尋找最小值所在位置；argmax()：尋找最大值所在位置；

注意：這兩個函數(shù)，用于函數(shù)刪選，很有用。

14. any、all

any()：返回是否所有元素都為真；all()：返回是否至少一個元素為真；

上述代碼的意思：判斷班級各科成績是否都在60分以上。

15. value_counts

value_counts()：頻次統(tǒng)計；

16. cumsum、cumprod

cumsum()：運算累計和；cumprod()：運算累計積；

17. pct_change

pct_change()：運算比率（后一個元素與前一個元素的比率）；

運算規(guī)律是：(后一個值 - 前一個值) / 前一個值；

點分享

點收藏

點點贊

點在看