Python 数据分析三剑客之 Pandas（五）：统计计算与统计描述
CSDN 課程推薦：《邁向數(shù)據(jù)科學(xué)家：帶你玩轉(zhuǎn)Python數(shù)據(jù)分析》，講師齊偉，蘇州研途教育科技有限公司CTO，蘇州大學(xué)應(yīng)用統(tǒng)計專業(yè)碩士生指導(dǎo)委員會委員；已出版《跟老齊學(xué)Python：輕松入門》《跟老齊學(xué)Python：Django實戰(zhàn)》、《跟老齊學(xué)Python：數(shù)據(jù)分析》和《Python大學(xué)實用教程》暢銷圖書。
Pandas 系列文章：
- Python 數(shù)據(jù)分析三劍客之 Pandas（一）：認(rèn)識 Pandas 及其 Series、DataFrame 對象
- Python 數(shù)據(jù)分析三劍客之 Pandas（二）：Index 索引對象以及各種索引操作
- Python 數(shù)據(jù)分析三劍客之 Pandas（三）：算術(shù)運算與缺失值的處理
- Python 數(shù)據(jù)分析三劍客之 Pandas（四）：函數(shù)應(yīng)用、映射、排序和層級索引
- Python 數(shù)據(jù)分析三劍客之 Pandas（五）：統(tǒng)計計算與統(tǒng)計描述
- Python 數(shù)據(jù)分析三劍客之 Pandas（六）：GroupBy 數(shù)據(jù)分裂、應(yīng)用與合并
- Python 數(shù)據(jù)分析三劍客之 Pandas（七）：合并數(shù)據(jù)集
- Python 數(shù)據(jù)分析三劍客之 Pandas（八）：數(shù)據(jù)重塑、重復(fù)數(shù)據(jù)處理與數(shù)據(jù)替換
- Python 數(shù)據(jù)分析三劍客之 Pandas（九）：時間序列
- Python 數(shù)據(jù)分析三劍客之 Pandas（十）：數(shù)據(jù)讀寫
另有 NumPy、Matplotlib 系列文章已更新完畢，歡迎關(guān)注：
- NumPy 系列文章：https://itrhx.blog.csdn.net/category_9780393.html
- Matplotlib 系列文章：https://itrhx.blog.csdn.net/category_9780418.html
推薦學(xué)習(xí)資料與網(wǎng)站（博主參與部分文檔翻譯）：
- NumPy 官方中文網(wǎng)：https://www.numpy.org.cn/
- Pandas 官方中文網(wǎng)：https://www.pypandas.cn/
- Matplotlib 官方中文網(wǎng)：https://www.matplotlib.org.cn/
- NumPy、Matplotlib、Pandas 速查表：https://github.com/TRHX/Python-quick-reference-table
文章目錄
- 【01x00】統(tǒng)計計算
- 【01x01】sum() 求和
- 【01x02】min() 最小值
- 【01x03】max() 最大值
- 【01x04】mean() 平均值
- 【01x05】idxmin() 最小值索引
- 【01x06】idxmax() 最大值索引
- 【02x00】統(tǒng)計描述
- 【03x00】常用統(tǒng)計方法
這里是一段防爬蟲文本，請讀者忽略。 本文原創(chuàng)首發(fā)于 CSDN，作者 TRHX。 博客首頁：https://itrhx.blog.csdn.net/ 本文鏈接：https://itrhx.blog.csdn.net/article/details/106788501 未經(jīng)授權(quán)，禁止轉(zhuǎn)載！惡意轉(zhuǎn)載，后果自負(fù)！尊重原創(chuàng)，遠離剽竊！
【01x00】統(tǒng)計計算
Pandas 對象擁有一組常用的數(shù)學(xué)和統(tǒng)計方法。它們大部分都屬于約簡和匯總統(tǒng)計，用于從 Series 中提取單個值（如 sum 或 mean）或從 DataFrame 的行或列中提取一個 Series。跟對應(yīng)的 NumPy 數(shù)組方法相比，它們都是基于沒有缺失數(shù)據(jù)的假設(shè)而構(gòu)建的。
【01x01】sum() 求和
sum() 方法用于返回指定軸的和，相當(dāng)于 numpy.sum()。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.sum(self, axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
-
DataFrame.sum(self, axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.sum.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sum.html
常用參數(shù)描述如下：
| axis | 指定軸求和，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，求和時是否排除缺失值（NA/null），默認(rèn) True |
| level | 如果軸是 MultiIndex（層次結(jié)構(gòu)），則沿指定層次求和 |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.sum() 14 >>> >>> obj.sum(level='blooded') blooded warm 6 cold 8 Name: legs, dtype: int64 >>> >>> obj.sum(level=0) blooded warm 6 cold 8 Name: legs, dtype: int64在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.sum() one 9.25 two -5.80 dtype: float64 >>> >>> obj.sum(axis=1) a 1.40 b 2.60 c 0.00 d -0.55 dtype: float64【01x02】min() 最小值
min() 方法用于返回指定軸的最小值。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.min(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
-
DataFrame.min(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.min.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.min.html
常用參數(shù)描述如下：
| axis | 指定軸求最小值，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，求最小值時是否排除缺失值（NA/null），默認(rèn) True |
| level | 如果軸是 MultiIndex（層次結(jié)構(gòu)），則沿指定層次求最小值 |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.min() 0 >>> >>> obj.min(level='blooded') blooded warm 2 cold 0 Name: legs, dtype: int64 >>> >>> obj.min(level=0) blooded warm 2 cold 0 Name: legs, dtype: int64在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.min() one 0.75 two -4.50 dtype: float64 >>> >>> obj.min(axis=1) a 1.4 b -4.5 c NaN d -1.3 dtype: float64 >>> >>> obj.min(axis='columns', skipna=False) a NaN b -4.5 c NaN d -1.3 dtype: float64【01x03】max() 最大值
max() 方法用于返回指定軸的最大值。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.max(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
-
DataFrame.max(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.max.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.max.html
常用參數(shù)描述如下：
| axis | 指定軸求最大值，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，求最大值時是否排除缺失值（NA/null），默認(rèn) True |
| level | 如果軸是 MultiIndex（層次結(jié)構(gòu)），則沿指定層次求最大值 |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.max() 8 >>> >>> obj.max(level='blooded') blooded warm 4 cold 8 Name: legs, dtype: int64 >>> >>> obj.max(level=0) blooded warm 4 cold 8 Name: legs, dtype: int64在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.max() one 7.1 two -1.3 dtype: float64 >>> >>> obj.max(axis=1) a 1.40 b 7.10 c NaN d 0.75 dtype: float64 >>> >>> obj.max(axis='columns', skipna=False) a NaN b 7.10 c NaN d 0.75 dtype: float64【01x04】mean() 平均值
mean() 方法用于返回指定軸的平均值。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
-
DataFrame.mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.mean.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.mean.html
常用參數(shù)描述如下：
| axis | 指定軸求平均值，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，求平均值時是否排除缺失值（NA/null），默認(rèn) True |
| level | 如果軸是 MultiIndex（層次結(jié)構(gòu)），則沿指定層次求平均值 |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.mean() 3.5 >>> >>> obj.mean(level='blooded') blooded warm 3 cold 4 Name: legs, dtype: int64 >>> >>> obj.mean(level=0) blooded warm 3 cold 4 Name: legs, dtype: int64在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.mean() one 3.083333 two -2.900000 dtype: float64 >>> >>> obj.mean(axis=1) a 1.400 b 1.300 c NaN d -0.275 dtype: float64 >>> >>> obj.mean(axis='columns', skipna=False) a NaN b 1.300 c NaN d -0.275 dtype: float64【01x05】idxmin() 最小值索引
idxmin() 方法用于返回最小值的索引。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.idxmin(self, axis=0, skipna=True, *args, **kwargs)
-
DataFrame.idxmin(self, axis=0, skipna=True)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.idxmin.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.idxmin.html
常用參數(shù)描述如下：
| axis | 指定軸，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，是否排除缺失值（NA/null），默認(rèn) True |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.idxmin() ('cold', 'fish')在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.idxmin() one d two b dtype: object【01x06】idxmax() 最大值索引
idxmax() 方法用于返回最大值的索引。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.idxmax(self, axis=0, skipna=True, *args, **kwargs)
-
DataFrame.idxmax(self, axis=0, skipna=True)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.idxmax.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.idxmax.html
常用參數(shù)描述如下：
| axis | 指定軸，0 or ‘index’，1 or ‘columns’，只有在 DataFrame 中才有 1 or 'columns’ |
| skipna | bool 類型，是否排除缺失值（NA/null），默認(rèn) True |
在 Series 中的應(yīng)用：
>>> import pandas as pd >>> idx = pd.MultiIndex.from_arrays([['warm', 'warm', 'cold', 'cold'],['dog', 'falcon', 'fish', 'spider']],names=['blooded', 'animal']) >>> obj = pd.Series([4, 2, 0, 8], name='legs', index=idx) >>> obj blooded animal warm dog 4falcon 2 cold fish 0spider 8 Name: legs, dtype: int64 >>> >>> obj.idxmax() ('cold', 'spider')在 DataFrame 中的應(yīng)用：
>>> import pandas as pd >>> import numpy as np >>> obj = pd.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']) >>> objone two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> >>> obj.idxmax() one b two d dtype: object【02x00】統(tǒng)計描述
describe() 方法用于快速綜合統(tǒng)計結(jié)果：計數(shù)、均值、標(biāo)準(zhǔn)差、最大最小值、四分位數(shù)等。還可以通過參數(shù)來設(shè)置需要忽略或者包含的統(tǒng)計選項。
在 Series 和 DataFrame 中的基本語法如下：
-
Series.describe(self: ~ FrameOrSeries, percentiles=None, include=None, exclude=None)
-
DataFrame.describe(self: ~ FrameOrSeries, percentiles=None, include=None, exclude=None)
官方文檔：
-
https://pandas.pydata.org/docs/reference/api/pandas.Series.describe.html
-
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.describe.html
| percentiles | 數(shù)字列表，可選項，要包含在輸出中的百分比。所有值都應(yīng)介于 0 和 1 之間。默認(rèn)值為 [.25、.5、.75]，即返回第 25、50 和 75 個百分點 |
| include | 要包含在結(jié)果中的數(shù)據(jù)類型，數(shù)據(jù)類型列表，默認(rèn) None，具體取值類型參見官方文檔 |
| exclude | 要從結(jié)果中忽略的數(shù)據(jù)類型，數(shù)據(jù)類型列表，默認(rèn) None，具體取值類型參見官方文檔 |
描述數(shù)字形式的 Series 對象：
>>> import pandas as pd >>> obj = pd.Series([1, 2, 3]) >>> obj 0 1 1 2 2 3 dtype: int64 >>> >>> obj.describe() count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0 dtype: float64分類描述：
>>> import pandas as pd >>> obj = pd.Series(['a', 'a', 'b', 'c']) >>> obj 0 a 1 a 2 b 3 c dtype: object >>> >>> obj.describe() count 4 unique 3 top a freq 2 dtype: object描述時間戳：
>>> import pandas as pd >>> obj = pd.Series([np.datetime64("2000-01-01"),np.datetime64("2010-01-01"),np.datetime64("2010-01-01")]) >>> obj 0 2000-01-01 1 2010-01-01 2 2010-01-01 dtype: datetime64[ns] >>> >>> obj.describe() count 3 unique 2 top 2010-01-01 00:00:00 freq 2 first 2000-01-01 00:00:00 last 2010-01-01 00:00:00 dtype: object描述 DataFrame 對象：
>>> import pandas as pd >>> obj = pd.DataFrame({'categorical': pd.Categorical(['d','e','f']), 'numeric': [1, 2, 3], 'object': ['a', 'b', 'c']}) >>> objcategorical numeric object 0 d 1 a 1 e 2 b 2 f 3 c >>> >>> obj.describe()numeric count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0不考慮數(shù)據(jù)類型，顯示所有描述：
>>> import pandas as pd >>> obj = pd.DataFrame({'categorical': pd.Categorical(['d','e','f']), 'numeric': [1, 2, 3], 'object': ['a', 'b', 'c']}) >>> objcategorical numeric object 0 d 1 a 1 e 2 b 2 f 3 c >>> >>> obj.describe(include='all')categorical numeric object count 3 3.0 3 unique 3 NaN 3 top f NaN c freq 1 NaN 1 mean NaN 2.0 NaN std NaN 1.0 NaN min NaN 1.0 NaN 25% NaN 1.5 NaN 50% NaN 2.0 NaN 75% NaN 2.5 NaN max NaN 3.0 NaN僅包含 category 列：
>>> import pandas as pd >>> obj = pd.DataFrame({'categorical': pd.Categorical(['d','e','f']), 'numeric': [1, 2, 3], 'object': ['a', 'b', 'c']}) >>> objcategorical numeric object 0 d 1 a 1 e 2 b 2 f 3 c >>> >>> obj.describe(include=['category'])categorical count 3 unique 3 top f freq 1【03x00】常用統(tǒng)計方法
其他常用統(tǒng)計方法參見下表：
| count | 非NA值的數(shù)量 | Series丨DataFrame |
| describe | 針對Series或各DataFrame列計算匯總統(tǒng)計 | Series丨DataFrame |
| min | 計算最小值 | Series丨DataFrame |
| max | 計算最大值 | Series丨DataFrame |
| argmin | 計算能夠獲取到最小值的索引位置（整數(shù)） | Series |
| argmax | 計算能夠獲取到最大值的索引位置（整數(shù)） | Series |
| idxmin | 計算能夠獲取到最小值的索引值 | Series丨DataFrame |
| idxmax | 計算能夠獲取到最大值的索引值 | Series丨DataFrame |
| quantile | 計算樣本的分位數(shù)（0到1） | Series丨DataFrame |
| sum | 值的總和 | Series丨DataFrame |
| mean | 值的平均數(shù) | Series丨DataFrame |
| median | 值的算術(shù)中位數(shù)（50%分位數(shù)） | Series丨DataFrame |
| mad | 根據(jù)平均值計算平均絕對離差 | Series丨DataFrame |
| var | 樣本值的方差 | Series丨DataFrame |
| std | 樣本值的標(biāo)準(zhǔn)差 | Series丨DataFrame |
這里是一段防爬蟲文本，請讀者忽略。 本文原創(chuàng)首發(fā)于 CSDN，作者 TRHX。 博客首頁：https://itrhx.blog.csdn.net/ 本文鏈接：https://itrhx.blog.csdn.net/article/details/106788501 未經(jīng)授權(quán)，禁止轉(zhuǎn)載！惡意轉(zhuǎn)載，后果自負(fù)！尊重原創(chuàng)，遠離剽竊！
總結(jié)
以上是生活随笔為你收集整理的Python 数据分析三剑客之 Pandas（五）：统计计算与统计描述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 浦发银行信用卡随借金怎么还款
- 下一篇： Python 数据分析三剑客之 Pand