數據處理的目的是為了數據分析，下面分享常用的數據分析中會用到的函數。

一，分組和聚合

groupby用于對數據分組，分組之后可以直接調用聚合函數求值；agg()函數把分組和調用聚合函數集成到一個函數來實現：

DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)

DataFrame.agg(self, func, axis=0, *args, **kwargs)

二，窗口

rolling()是指按照窗口滾動求值，expanding()是指依次遞增1，計算累加；ewm指的是指數加權滾動平均：

DataFrame.rolling(self, window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

DataFrame.expanding(self, min_periods=1, center=False, axis=0)

DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)

三，相關

計算兩對列值之間的相關性：

DataFrame.corr(self, method='pearson', min_periods=1)

method：計算相關性的方法，有效值是?‘pearson’, ‘kendall’, ‘spearman’ 或 callable

min_periods：每對列必須具有有效結果的最小觀察數量，目前只適用于：Pearson 和 Spearman相關性。

四，統計函數

常用的統計函數：

min、max：最小值、最大值

mode：眾數

var：方差

std：標準差

sum：累加和

mean：均值

mad：絕對值的均值

median：中位數

quantile：百分位數

count：計數

cumsum：累加求和

cumprod：累積乘積

cummin、cummax：累積最小值、累積最大值

參考文檔：

總結

以上是生活随笔為你收集整理的dataframe 众数的方法_pandas 第11篇：DataFrame-数据处理（分组、聚合、窗口、相关、统计）...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。