>>> from env_helper import info; info()
页面更新时间： 2020-07-05 19:42:15
操作系统/OS: Linux-4.19.0-9-amd64-x86_64-with-debian-10.4 ；Python: 3.7.3

6.5. 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。

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  1.715647 -0.782998
2 -1.036604 -3.946877
3  5.822339 -0.319222
4 -1.642254  0.651260

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。

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))
0.11455098112976062

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())
0.08799454145708029
          a         b         c         d         e
a  0.505805  0.087995 -0.395936 -0.002622  0.385068
b  0.087995  0.674307 -0.096464 -0.410428 -0.151635
c -0.395936 -0.096464  0.989045  0.030377 -0.437175
d -0.002622 -0.410428  0.030377  1.201569 -0.439404
e  0.385068 -0.151635 -0.437175 -0.439404  1.258176

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。

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())
-0.0678453446172776
          a         b         c         d         e
a  1.000000 -0.067845 -0.326843  0.000984 -0.227762
b -0.067845  1.000000  0.439217 -0.219488  0.078177
c -0.326843  0.439217  1.000000  0.138069 -0.297560
d  0.000984 -0.219488  0.138069  1.000000  0.002307
e -0.227762  0.078177 -0.297560  0.002307  1.000000

如果DataFrame中存在任何非数字列，则会自动排除。

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.np.random.randn(5), index=list('abcde'))
>>>
>>> s['d'] = s['b'] # so there's a tie
>>>
>>> print (s.rank())
a    5.0
b    3.5
c    2.0
d    3.5
e    1.0
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

目录

上一个主题

下一个主题