數(shù)值計(jì)算

df = pd.DataFrame({'key1':[4,5,3,np.nan,2],'key2':[1,2,np.nan,4,5],'key3':[1,2,3,'j','k']},index = ['a','b','c','d','e']) print(df) key1 key2 key3 a 4.0 1.0 1 b 5.0 2.0 2 c 3.0 NaN 3 d NaN 4.0 j e 2.0 5.0 k float64 float64 object

1.1 均值

• 均值 df.mean() 整個(gè)DataFrame的均值,默認(rèn)NaN值不參與運(yùn)算

key1 3.5 key2 3.0 dtype: float64

• 按行求均值axis=1
  m2 = df.mean(axis=1)

a 2.5 b 3.5 c 3.0 d 4.0 e 3.5 dtype: float64

• 按列求均值axis=0，或通過列名

df['key2'].mean() #3.0

1.2 分位數(shù)
pandas 分位數(shù)

1.3 一些其他函數(shù)

df.count(),→ count統(tǒng)計(jì)非Na值的數(shù)量 df.min(),→ min統(tǒng)計(jì)最小值 df['key2'].max()→ max統(tǒng)計(jì)最大值 df.sum()→ sum求和 df.mean()→ mean求平均值 df.median()→ median求算數(shù)中位數(shù)，50%分位數(shù) df.std(),df.var()→ std,var分別求標(biāo)準(zhǔn)差，方差 df.skew()→ skew樣本的偏度 df.kurt()→ kurt樣本的峰度 df['key1_s'] = df['key1'].cumsum() # 計(jì)算累加和 df['key1_p'] = df['key1'].cumprod() #計(jì)算累積 df.cummax(),df.cummin() → cummax,cummin分別求累計(jì)最大值，累計(jì)最小值

1.4 唯一值：.unique() 相當(dāng)于python中的set().

s = pd.Series(list('asdvasdcfgg')) ['a' 's' 'd' 'v' 'c' 'f' 'g'] <class 'numpy.ndarray'>

1.5 值計(jì)數(shù)：.value_counts() Series對(duì)象的性質(zhì)，不能用于DataFrame

sc = s.value_counts(sort = False)# # 也可以這樣寫：pd.value_counts(sc, sort = False) d 2 a 2 s 2 c 1 f 1 g 2 v 1 dtype: int64

1.6 成員資格：.isin()逐個(gè)元素判斷，是否在xx中

df = pd.DataFrame({'key1':list('asdcbvasd'),'key2':np.arange(4,13)}) key1 key2 0 a 4 1 s 5 2 d 6 3 c 7 4 b 8 5 v 9 6 a 10 7 s 11 8 d 12 print(df.isin(['a','bc','10',8])) key1 key2 0 True False 1 False False 2 False False 3 False False 4 False True 5 False False 6 True False 7 False False 8 False False

總結(jié)

以上是生活随笔為你收集整理的pandas(四) -- 数值计算的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。