数据分析（排序，数据特征、平均数、方差等，累计统计，相关分析）
生活随笔
收集整理的這篇文章主要介紹了
数据分析（排序，数据特征、平均数、方差等，累计统计，相关分析）
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
# hanbb
# come on!!!
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdf = pd.DataFrame(np.arange(12).reshape(3,4),index=['b','a','c'],columns=['2nd','1st','4or','3rd'])
print(df)
# 排序# 根據行列排序
print(df.sort_index(axis=0,ascending=True)) # 默認是列索引，升序
print(df.sort_index(axis=1)) # 行索引# 根據某行或者某列的值排序
print(df.sort_values('1st')) # 默認是列,升序列
print(df.sort_values('a',axis=1,ascending=False)) # 改為行，降序# 求和
print(df.sum())
print(df.sum(axis=1))
# 累計求和
print(df.cumsum())
print(df.cumsum(axis=1))
# 數量
print(df.count())
print(df.count(axis=1))# 數據操作
print(df.mean()) # 平均數
print(df.median()) # 中位數
print(df.max()) # 最大值
print(df.min()) # 最小值
print(df.var()) # 方差
print(df.std()) # 標準差# 數據特征
a = df.describe() # 求出所有的數據特征
print(a.ix['max']) # ix 怎么用？？？# 累計操作
print(df.cumsum()) # 累計求和
print(df.cumprod()) # 累計乘積
print(df.cummax()) # 累計最大值
print(df.cummin()) # 累計最小值# 累計統計，滾動分布
print(df.rolling(2).sum()) # 相鄰2個元素的和
print(df.rolling(2).mean()) # 相鄰2個元素的平均值
print(df.rolling(2).var()) # 相鄰2個元素的方差
print(df.rolling(2).std()) # 相鄰2個元素的標準
print(df.rolling(2).min()) # 相鄰2個元素的最小值
print(df.rolling(2).max()) # 相鄰2個元素的最大值# 相關分析
df1 = pd.Series(np.arange(1,5),index=['a','b','c','d']) # 1.66666666667
df2 = pd.Series(np.arange(5,9),index=['a','b','c','d']) # 1.0# plt.plot(df1.values)
# plt.plot(df2.values)
# plt.show()print(df1.cov(df2)) # 協方差，正相關>0,負相關<0,無關=0
print(df1.corr(df2)) # pearson 相關 0.8到1極強相關，0.6-0.8強相關；0.4-0.6中等相關；0.2-0.4弱相關，0-0.2極弱相關或無關
df3 = pd.Series(np.random.randint(1,5),index=['a','b','c','d']) # 0.0
df4 = pd.Series(np.random.randint(5,9),index=['a','b','c','d']) # nan
print(df3.cov(df4))
print(df3.corr(df4))
print(df3)
print(df4)
plt.scatter(df3.values,df4.values)
plt.show()
?
轉載于:https://www.cnblogs.com/hanbb/p/7861766.html
總結
以上是生活随笔為你收集整理的数据分析（排序，数据特征、平均数、方差等，累计统计，相关分析）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： js格式化文件大小, 输出成带单位的字符
- 下一篇： 用CRT查找内存泄漏