用python学概率与统计（第三章）描述性统计:数值方法-优快云博客

本文介绍了使用Python进行概率与统计分析中的描述性统计数值方法，包括count、describe、min/max、quantile等统计量计算，以及z分数、箱型图在异常值检测中的应用。此外，还探讨了两变量间关系的度量如协方差和相关系数，以及加权平均值的计算。涉及到的数据分析库包括numpy、pandas和matplotlib。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3.2

################## ********************************

count 非 NA 值的数量
describe 针对 Series 或 DF 的列计算汇总统计
min , max 最小值和最大值
argmin , argmax 最小值和最大值的索引位置（整数）
idxmin , idxmax 最小值和最大值的索引值
quantile 样本分位数（0 到 1）
sum 求和
mean 均值
median 中位数
mad 根据均值计算平均绝对离差
var 方差
std 标准差
skew 样本值的偏度（三阶矩）
kurt 样本值的峰度（四阶矩）
cumsum 样本值的累计和
cummin , cummax 样本值的累计最大值和累计最小值
cumprod 样本值的累计积
diff 计算一阶差分（对时间序列很有用）
pct_change 计算百分数变化

3.3 相对位置的度量和异常值的检测

z分数

$z= \frac{(x_i - \overline{x})}{s}$
切比雪夫定理：与均值距离在z个标准差之内的数据比例至少为（1-1/ $z^2$ ）,这里的z是大于1的任何值
z大于3或小于-3的我们视为异常值


df3 = pd.read_csv("E:\\data\\NCAA.csv")

In [167]:

df3.dropna(axis =1,how='all',inplace = True) #空数据清洗

In [169]:

df3.dropna(how='all',inplace = True)
In [170]:

df3
Out[170]:
Winning Team    Points  Losing Team Points.1    Winning Margin
0   Arizona 90.0    Oregon  66.0