Lesson6——PandasPandas描述性统计

1 简介

　　描述统计学（descriptive statistics）是一门统计学领域的学科，主要研究如何取得反映客观现象的数据，并以图表形式对所搜集的数据进行处理和显示，最终对数据的规律、特征做出综合性的描述分析。

　　下列表格对 Pandas 常用的统计学函数做了简单的总结：

函数名称	描述说明
count()	统计某个非空值的数量。
sum()	求和
mean()	求均值
median()	求中位数
mode()	求众数
std()	求标准差
min()	求最小值
max()	求最大值
abs()	求绝对值
prod()	求所有数值的乘积。
cumsum()	计算累计和，axis=0，按照行累加；axis=1，按照列累加。
cumprod()	计算累计积，axis=0，按照行累积；axis=1，按照列累积。
corr()	计算数列或变量之间的相关系数，取值-1到1，值越大表示关联性越强。

　　在 DataFrame 中，使用聚合类方法时需要指定轴(axis)参数。下面介绍两种传参方式：

• • 对行操作，默认使用 axis=0 或者使用 "index"；
  • 对列操作，默认使用 axis=1 或者使用 "columns"。

　　　　

　　从上图可看出，axis=0 表示按垂直方向进行计算，而 axis=1 则表示按水平方向。

　　创建一个 DataFrame 结构，如下所示：

d = {'Name':pd.Series(['Jack','Blair','Jane','Lee']),      'Age':pd.Series([11,12,13,14]),     'Score':pd.Series([1,2,3,4])    }df = pd.DataFrame(d)print(df)

　　输出结果：

    Name  Age  Score0   Jack   11      11  Blair   12      22   Jane   13      33    Lee   14      4

2 应用

2.1 sum()求和

　　在默认情况下，返回 axis=0 的所有值的和。示例1 如下：

df.sum()

　　输出结果：

Name     JackBlairJaneLeeAge                    50Score                  10dtype: object

　　注意：sum() 和 cumsum() 函数可以同时处理数字和字符串数据。虽然字符聚合通常不被使用，但使用这两个函数并不会抛出异常；而对于 abs()、cumprod() 函数则会抛出异常，因为它们无法操作字符串数据。

　　示例2：

df.sum(axis= 1)#只对number数据进行处理

　　输出结果：

0    121    142    163    18dtype: int64

2.2 mean()求均值

　　示例3：

df.mean()#只对number数据进行处理

　　输出结果：

Age      12.5Score     2.5dtype: float64

　　示例4：

df.mean(axis=1)#只对number数据进行处理

　　输出结果：

0    6.01    7.02    8.03    9.0dtype: float64

2.3 std()求标准差

　　返回数值列的标准差。

　　标准差是方差的算术平方根，它能反映一个数据集的离散程度。注意，平均数相同的两组数据，标准差未必相同。

　　示例5：

df.std()

　　输出结果：

Age      1.290994Score    1.290994dtype: float64

　　示例6：

df.std(axis = 1)

　　输出结果：

0    7.0710681    7.0710682    7.0710683    7.071068dtype: float64

2.4 数据汇总描述

　　describe()  函数显示与 DataFrame 数据列相关的统计信息摘要。

　　示例7：

df.describe()

　　输出结果：

	Age	        Scorecount	4.000000	4.000000mean	12.500000	2.500000std	1.290994	1.290994min	11.000000	1.00000025%	11.750000	1.75000050%	12.500000	2.50000075%	13.250000	3.250000max	14.000000	4.000000

　　describe() 函数输出了平均值、std 和 IQR 值(四分位距)等一系列统计信息。通过 describe() 提供的include能够筛选字符列或者数字列的摘要信息。

　　include 相关参数值说明如下：

• object： 表示对字符列进行统计信息描述；
• number：表示对数字列进行统计信息描述；
• all：汇总所有列的统计信息。

　　示例8：

df.describe(include=['number'])

　　输出结果：

	Age	        Scorecount	4.000000	4.000000mean	12.500000	2.500000std	1.290994	1.290994min	11.000000	1.00000025%	11.750000	1.75000050%	12.500000	2.50000075%	13.250000	3.250000max	14.000000	4.000000

　　示例9：

df.describe(include='object')

　　输出结果：

	Namecount	4unique	4top	Blairfreq	1

　　示例10：

df.describe(include='all')

　　输出结果：

	Name	Age	Scorecount	4	4.000000	4.000000unique	4	NaN	NaNtop	Blair	NaN	NaNfreq	1	NaN	NaNmean	NaN	12.500000	2.500000std	NaN	1.290994	1.290994min	NaN	11.000000	1.00000025%	NaN	11.750000	1.75000050%	NaN	12.500000	2.50000075%	NaN	13.250000	3.250000max	NaN	14.000000	4.000000