DataFrame详解——计算/描述性统计

计算/描述性统计

方法	解释
DataFrame.abs()	返回具有每个元素的绝对值的Series/DataFrame
DataFrame.all([axis, bool_only, skipna, level])	返回是否所有元素都是True
DataFrame.any([axis, bool_only, skipna, level])	返回是否有任何元素为True
DataFrame.clip([lower, upper, axis, inplace])	使用指定上下阈值替代边界外的值，如： df.clip(lower=-4, upper=6)将小于-4的值用-4替换，大于6的值用6替换
DataFrame.corr([method, min_periods])	计算自身各列间的相关性，不包括NA/NULL值
DataFrame.corrwith(other[, axis, drop, method])	计算两个DataFrame的各行或各列的相关性
DataFrame.count([axis, level, numeric_only])	计算每个列或行的非空单元格
DataFrame.cov([min_periods, ddof])	计算各列的协方差，不包括NA/NULL值
DataFrame.cummax([axis, skipna])	在DataFrame或Series指定轴上返回累积最大值
DataFrame.cummin([axis, skipna])	在DataFrame或Series指定轴上返回累积最小值
DataFrame.cumprod([axis, skipna])	在DataFrame或Series指定轴上返回累积乘
DataFrame.cumsum([axis, skipna])	在DataFrame或Series指定轴上返回累积和
DataFrame.describe([percentiles, include, …])	生成描述性统计数据
DataFrame.diff([periods, axis])	对数据进行一阶差分
DataFrame.eval(expr[, inplace])	计算描述DataFrame列上操作的字符串，如： df.eval('col1 + col2')返回第1列+第2列的结果
DataFrame.kurt([axis, skipna, level, …])	在所要求的轴上返回无偏的峰度
DataFrame.kurtosis([axis, skipna, level, …])	在所要求的轴上返回无偏的峰度
DataFrame.mad([axis, skipna, level])	返回所请求轴上值的平均绝对偏差
DataFrame.max([axis, skipna, level, …])	返回所请求轴上值的最大值
DataFrame.mean([axis, skipna, level, …])	返回所请求轴上值的平均值
DataFrame.median([axis, skipna, level, …])	返回所请求轴上值的中值
DataFrame.min([axis, skipna, level, …])	返回所请求轴上值的最小值
DataFrame.mode([axis, numeric_only, dropna])	返回所请求轴上值的众数
DataFrame.pct_change([periods, fill_method, …])	当前元素和先前元素之间的百分比变化
DataFrame.prod([axis, skipna, level, …])	在请求的轴上返回值的乘积
DataFrame.product([axis, skipna, level, …])	在请求的轴上返回值的乘积
DataFrame.quantile([q, axis, numeric_only, …])	在请求的轴上返回指定分位数值
DataFrame.rank([axis, method, numeric_only, …])	沿轴计算数值数据排名(1到n)
DataFrame.round([decimals])	将DataFrame所有十进制值四舍五入到指定小数位
DataFrame.sem([axis, skipna, level, ddof, …])	返回平均超过要求的轴的无偏标准误差
DataFrame.skew([axis, skipna, level, …])	在请求的轴上返回无偏偏差
DataFrame.sum([axis, skipna, level, …])	返回请求轴上的值之和
DataFrame.std([axis, skipna, level, ddof, …])	返回请求轴上的标准差
DataFrame.var([axis, skipna, level, ddof, …])	返回请求轴上的无偏方差
DataFrame.nunique([axis, dropna])	计算指定轴中不重复的元素数量
DataFrame.value_counts([subset, normalize, …])	返回包含DataFrame中唯一行数的Series