數據運算不僅僅是加減乘除的基本運算，還要包括數據的比較，匯總和相關性的計算等等，這一節我們將計算的問題幫大家匯總出來～

目錄

一. 加減乘除運算

二.?比較運算

三. 匯總運算

count 非空值計數

sum 求和

其他(均值，最大最小值，中位數，眾數，方差，標準差，分位數)

四. 相關性運算

一.?加減乘除運算

以下表為例：

加法運算

我們需要生成新的一列“總和”，將四個季度的銷售額相加：

df['總和'] 表示生成新的一列，列名為“總和”

減法運算

我們看一下第二季度和第一季度銷售額的差額，用第二季度減第一季度：

乘法和除法的計算格式也是一樣的，這里就不在具體舉例說明。

二. 比較運算

這里介紹的比較，是指對比表格的兩列大小之間的關系，輸出的值為True 或者False，跟Excel中用IF 函數進行對比效果是一樣的。

舉例：比較是否第二季度銷售額大于等于第一季度

常用對比語句：

# 第一季度大于第二季度df['第一季度']>df['第二季度']# 第一季度不等于第二季度df['第一季度']!=df['第二季度']# 第一季度小于等于第二季度df['第一季度']<=df['第二季度']

三. 匯總計算

1. count 非空值計數

在python 中直接調用count()函數，返回的結果為該數據表中每列非空值的個數。具體實現如下所示：

上面是查看每一列非空值的個數，如果想要查看每一行的非空值個數又該怎么辦呢？其實count()方法默認參數是axis=0，即查看每一列。查看每行只需要輸入參數axis=1 即可：

當然，我們也可以查看具體某一列的非空值個數，比如我們想看一下第一季度這一列的非空值個數：

2.?sum 求和

在python中，直接在整個數據表上調用sum()函數，返回的是該數據表每一列的求和結果，例子如下所示：

如果想對每一行進行求和，則需要在sum后面括號中輸入axis=1即可。

當然只對某一列求和也是可以的，比如對第一季度求和，代碼如下：

df['第一季度'].sum()

3.?其他

# 求均值df.mean()# 求最大值df.max()#?求最小值df.min()# 求中位數df.median()#?求眾數df.mode()#?求方差df.var()# 求標準差df.std()# 求分位數# 1.求1/4分位數df.quantile(0.25)#?2.求2/4分位數df.quantile(0.5)#?3.求3/4分位數df.quantile(0.75)

四.?相關性運算

相關性常用來衡量兩個事物之間的相關程度，我們一般用相關系數來衡量兩者的相關程度，所以相關性計算就是計算相關系數，比較常用的是皮爾遜相關系數。

在python中求相關系數用的是corr()方法，例子如下：

上面算出的是第一季度銷售額和總銷售額的相關性系數

我們還可以利用corr()函數算出兩兩之間的相關性，示例如下：

這樣就生成了相關性系數的矩陣圖！

?

長按關注公眾號

歡迎留言交流

總結

以上是生活随笔為你收集整理的python 分位数计算代码_Python数据分析第十一节 数据运算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。