Pandas知識(shí)點(diǎn)-統(tǒng)計(jì)運(yùn)算函數(shù)

統(tǒng)計(jì)運(yùn)算非常常用。本文介紹Pandas中的統(tǒng)計(jì)運(yùn)算函數(shù)，這些統(tǒng)計(jì)運(yùn)算函數(shù)基本都可以見名知義，使用起來非常簡單。

本文使用的數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)，具體下載方法可以參考：Pandas知識(shí)點(diǎn)-DataFrame數(shù)據(jù)結(jié)構(gòu)介紹

一、數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)文件是600519.csv，將此文件放到代碼同級目錄下，從文件中讀取出數(shù)據(jù)。

為了使數(shù)據(jù)簡潔一點(diǎn)，只保留數(shù)據(jù)中的部分列和前100行，并設(shè)置“日期”為索引。

讀取的原始數(shù)據(jù)如上圖，本文使用這些數(shù)據(jù)來介紹統(tǒng)計(jì)運(yùn)算函數(shù)。

二、最大值和最小值

max(): 返回?cái)?shù)據(jù)的最大值。使用DataFrame數(shù)據(jù)調(diào)用max()函數(shù)，返回結(jié)果為DataFrame中每一列的最大值，即使數(shù)據(jù)是字符串或object也可以返回最大值。

在Pandas中，數(shù)據(jù)的獲取邏輯是“先列后行”，所以max()默認(rèn)返回每一列的最大值，axis參數(shù)默認(rèn)為0，如果將axis參數(shù)設(shè)置為1，則返回的結(jié)果是每一行的最大值，后面介紹的其他統(tǒng)計(jì)運(yùn)算函數(shù)同理。根據(jù)DataFrame的數(shù)據(jù)特點(diǎn)，每一列的數(shù)據(jù)屬性相同，進(jìn)行統(tǒng)計(jì)運(yùn)算是有意義的，而每一行數(shù)據(jù)的數(shù)據(jù)屬性不一定相同，進(jìn)行統(tǒng)計(jì)計(jì)算一般沒有實(shí)際意義，極少使用，所以本文也不進(jìn)行舉例。

min(): 返回?cái)?shù)據(jù)的最小值。使用DataFrame數(shù)據(jù)調(diào)用min()函數(shù)，返回結(jié)果為DataFrame中每一列的最小值，即使數(shù)據(jù)是字符串或object也可以返回最小值。

使用Series數(shù)據(jù)調(diào)用max()或min()時(shí)，返回Series中的最大值或最小值，后面介紹的其他統(tǒng)計(jì)運(yùn)算函數(shù)同理。

idxmax(): 返回最大值的索引。在numpy中，使用argmax()和argmin()獲取最大值的索引和最小值的索引，在Pandas中使用idxmax()和idxmin()，實(shí)際上idxmax()和idxmin()可以理解成對argmax()和argmin()的封裝。

idxmin(): 返回最小值的索引。

使用idxmax()和idxmin()時(shí)，一般是用Series數(shù)據(jù)調(diào)用，用DataFrame數(shù)據(jù)調(diào)用可能會(huì)報(bào)TypeError。

三、均值和中位數(shù)

mean(): 返回?cái)?shù)據(jù)的均值。使用DataFrame數(shù)據(jù)調(diào)用mean()函數(shù)，返回結(jié)果為DataFrame中每一列的平均值，mean()與max()和min()不同的是，不能計(jì)算字符串或object的平均值，所以會(huì)自動(dòng)將不能計(jì)算的列省略。

median(): 返回?cái)?shù)據(jù)的中位數(shù)。使用DataFrame數(shù)據(jù)調(diào)用median()函數(shù)，返回結(jié)果為DataFrame中每一列的中位數(shù)，median()也不能計(jì)算字符串或object的中位數(shù)，會(huì)自動(dòng)將不能計(jì)算的列省略。

使用Series數(shù)據(jù)調(diào)用mean()或median()時(shí)，返回Series中的均值或中位數(shù)。

四、標(biāo)準(zhǔn)差和方差

std(): 返回?cái)?shù)據(jù)的標(biāo)準(zhǔn)差。

var(): 返回?cái)?shù)據(jù)的方差。方差是標(biāo)準(zhǔn)差的平方，可以進(jìn)行相互驗(yàn)證。

五、求和、累計(jì)求和

sum(): 對數(shù)據(jù)求和。為了避免數(shù)值過大，只取5個(gè)數(shù)據(jù)進(jìn)行演示，返回結(jié)果為所有數(shù)據(jù)的和。

cumsum(): 對數(shù)據(jù)累計(jì)求和。累計(jì)求和是指，對當(dāng)前數(shù)據(jù)及其前面的所有數(shù)據(jù)求和。如索引1的累計(jì)求和結(jié)果為索引0、索引1的數(shù)值之和，索引2的累計(jì)求和結(jié)果為索引0、索引1、索引2的數(shù)值之和，以此類推。

cummax(): 對數(shù)據(jù)累計(jì)求最大值。

cummin(): 對數(shù)據(jù)累計(jì)求最小值。

這兩個(gè)函數(shù)的累計(jì)原理都與cumsum()相同，此外還有累計(jì)求積函數(shù)cumprod()等，分別有不同的應(yīng)用場景。

六、綜合統(tǒng)計(jì)函數(shù)

describe(): 綜合統(tǒng)計(jì)函數(shù)，可以同時(shí)返回?cái)?shù)據(jù)中的數(shù)據(jù)量、均值、標(biāo)準(zhǔn)差、最小值、最大值，以及上四分位數(shù)、中位數(shù)、下四分位數(shù)。可以一次返回?cái)?shù)據(jù)的多個(gè)統(tǒng)計(jì)屬性，使用起來很方便。

此外，還有一些統(tǒng)計(jì)函數(shù)本文沒有介紹，比如count()統(tǒng)計(jì)數(shù)據(jù)量、abs()求絕對值等。假如Pandas提供的函數(shù)不滿足我們的統(tǒng)計(jì)需求，還可以借助apply()函數(shù)自定義統(tǒng)計(jì)運(yùn)算，后面的文章再繼續(xù)介紹。

如果需要代碼和數(shù)據(jù)，可以點(diǎn)擊關(guān)注公眾號“Python碎片”，然后在后臺(tái)回復(fù)“pandas06”關(guān)鍵字獲取本文代碼和數(shù)據(jù)。