>>> from env_helper import info; info()
页面更新时间： 2024-01-17 14:51:25
运行环境：
Linux发行版本: Debian GNU/Linux 12 (bookworm)
操作系统内核: Linux-6.1.0-17-amd64-x86_64-with-glibc2.36
Python版本: 3.11.2
7.5. Pandas统计函数¶
统计方法有助于理解和分析数据的行为。现在我们将学习一些统计函数，可以将这些函数应用到Pandas的对象上。
7.5.1. pct_change()函数¶
系列，DatFrames和Panel都有pct_change()函数。此函数将每个元素与其前一个元素进行比较，并计算变化百分比。
>>> import pandas as pd
>>> import numpy as np
>>> s = pd.Series([1,2,3,4,5,4])
>>> print (s.pct_change())
>>>
>>> df = pd.DataFrame(np.random.randn(5, 2))
>>> print (df.pct_change())
0 NaN
1 1.000000
2 0.500000
3 0.333333
4 0.250000
5 -0.200000
dtype: float64
0 1
0 NaN NaN
1 -2.309226 -0.919491
2 -13.257666 113.896190
3 -0.171702 -0.942886
4 -1.286095 10.526630
默认情况下， pct_change() 对列进行操作; 如果想应用到行上，那么可使用
axis = 1 参数。
7.5.2. 协方差¶
协方差适用于系列数据。Series对象有一个方法 cov
用来计算序列对象之间的协方差。 NA 将被自动排除。
Cov系列示例¶
>>> import pandas as pd
>>> import numpy as np
>>> s1 = pd.Series(np.random.randn(10))
>>> s2 = pd.Series(np.random.randn(10))
>>> print (s1.cov(s2))
-0.22803111685367083
当应用于DataFrame时，协方差方法计算所有列之间的协方差(cov)值。
>>> import pandas as pd
>>> import numpy as np
>>> frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
>>> print (frame['a'].cov(frame['b']))
>>> print (frame.cov())
-0.004463981038269736
a b c d e
a 0.550077 -0.004464 0.204810 -0.081978 -0.088684
b -0.004464 0.519454 -0.269390 0.032218 -0.170024
c 0.204810 -0.269390 0.833408 0.285680 -0.258508
d -0.081978 0.032218 0.285680 0.728817 0.091945
e -0.088684 -0.170024 -0.258508 0.091945 1.230488
注 - 观察第一个语句中a和b列之间的cov结果值，与由DataFrame上的cov返回的值相同。
7.5.3. 相关性¶
相关性显示了任何两个数值(系列)之间的线性关系。有多种方法来计算pearson(默认)，spearman和kendall之间的相关性。
>>> import pandas as pd
>>> import numpy as np
>>> frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
>>>
>>> print (frame['a'].corr(frame['b']))
>>> print (frame.corr())
0.5077121404876863
a b c d e
a 1.000000 0.507712 -0.476954 0.287796 0.181337
b 0.507712 1.000000 -0.164517 -0.249892 -0.050917
c -0.476954 -0.164517 1.000000 -0.152443 -0.362946
d 0.287796 -0.249892 -0.152443 1.000000 0.340753
e 0.181337 -0.050917 -0.362946 0.340753 1.000000
如果DataFrame中存在任何非数字列，则会自动排除。
7.5.4. 数据排名¶
数据排名为元素数组中的每个元素生成排名。在关系的情况下，分配平均等级。
>>> import pandas as pd
>>> import numpy as np
>>> s = pd.Series(np.random.randn(5), index=list('abcde'))
>>>
>>> s['d'] = s['b'] # so there's a tie
>>>
>>> print (s.rank())
a 1.0
b 4.5
c 2.0
d 4.5
e 3.0
dtype: float64
Rank可选地使用一个默认为true的升序参数; 当错误时，数据被反向排序，也就是较大的值被分配较小的排序。
Rank支持不同的 tie-breaking 方法，用方法参数指定
average- 并列组平均排序等级min- 组中最低的排序等级max- 组中最高的排序等级first- 按照它们出现在数组中的顺序分配队列