zoukankan html css js c++ java

第5章：pandas入门【3】汇总和计算描述

上一篇介绍了一些基本功能，包括一些方法：reindex（新索引）、drop（指定索引值丢弃某些项）、fill_value用来填充指定值、sort_index排序、rank排名等等。

其实有时候我并不知道这样写博客会不会有用，而且东西经常会忘记。不过希望每天都能学习一点吧！

一、统计方法

from pandas import DataFrame,Series
import pandas as pd
import numpy as np

df = DataFrame([[1.4,np.nan],[7.1,-4.5],
               [np.nan,np.nan],[0.75,-1.3]],
              index=['a','b','c','d'],
              columns=['one','two'])
df

调用sum方法后：

df.sum()

返回一个对列求和的Series，其中NaN被当成0了：

one    9.25
two   -5.80
dtype: float64

按行求和：axis=1，NaN同样被看作0了：

df.sum(axis=1)
a    1.40
b    2.60
c    0.00
d   -0.55
dtype: float64

skipna：排除缺失值，默认为True。

上边的例子中NaN都被排除掉了，如果不想排除掉，就用skipna=False。

df.mean(axis=1,skipna=False)

a      NaN
b    1.300
c      NaN
d   -0.275
dtype: float64

idxmax方法：

df.idxmax()

one    b
two    d
dtype: object

返回达到最大值时的索引。

累积型的统计：例如cumsum方法：

df.cumsum()

累加求和，但索引c中都是NaN值。

describe方法一次产生多个统计：

df.describe()

非数值情况下：

obj = Series(['a','a','b','c'] * 4)
obj.describe()

count     16
unique     3
top        a
freq       8
dtype: object

obj

0     a
1     a
2     b
3     c
4     a
5     a
6     b
7     c
8     a
9     a
10    b
11    c
12    a
13    a
14    b
15    c
dtype: object

其中，count统计非NaN的数量。

describe针对Series或DataFrame列计算汇总统计。

cumsum样本值的累计和。

（当前值-前一刻值）/前一刻值（默认period为1）

s = pd.Series([1,2,3,4,5])
s.pct_change()

0         NaN
1    1.000000
2    0.500000
3    0.333333
4    0.250000
dtype: float64

perios=2:

s.pct_change(periods=2)

0         NaN
1         NaN
2    2.000000
3    1.000000
4    0.666667
dtype: float64

DataFrame同理，无参数时按列计算：

a = np.arange(1,13).reshape(6,2)
data = DataFrame(a)
print(data.pct_change())

          0         1
0       NaN       NaN
1  2.000000  1.000000
2  0.666667  0.500000
3  0.400000  0.333333
4  0.285714  0.250000
5  0.222222  0.200000