Python数据操作

一、数据的排序

.sort_index()方法在指定轴上根据索引进行排序，默认升序。

.sort_index(axis=0,ascending=True)

.sort_values()方法在指定轴上根据数值进行排序，默认升序。

Series.sort_values(axis=0,ascending=True)
DataFrame.sort_values(by,axis=0,ascending=True)

二、数据的基本统计分析

适用于Series和DataFrame类型

方法	说明
.sum()	计算数据的总和，按0轴计算，下同
.count()	非NaN值的数量
.mean() .median()	计算数据的算术平均值、算术中位数
.var() .std()	计算数据的方差、标准差
.min() .max()	计算数据的最小值、最大值
.describe()	针对0轴（各列）的统计汇总

三、数据的累计统计分析

方法	说明
.cumsum()	依次给出前1、2、、……、n个数的和
.cumprod()	依次给出前1、2、、……、n个数的积
.cummax()	依次给出前1、2、、……、n个数的最大值
.cummin()	依次给出前1、2、、……、n个数的最小值

适用于Series和DataFrame类型，滚动计算（窗口计算）。

方法	说明
.rolling(w).sum()	依次计算相邻w个元素的和
.rolling(w).mean()	依次计算相邻w个元素的算术平均值
.rolling(w).var()	依次计算相邻w个元素的方差
.rolling(w).std()	依次计算相邻w个元素的标准差
.rolling(w).min() .max()	依次计算相邻w个元素的最小值和最大值

四、数据的相关分析

两个事物，表示为X和Y，如何判断它们之间的存在相关性？
相关性

1. X增大，Y增大，两个变量正相关。
2. X增大，Y减小，两个变量负相关。
3. X增大，Y无视，两个变量吧不相关。

适用于Series和DataFrame类型

方法	说明
.cov()	计算协方差矩阵
.corr()	计算相关系数矩阵，Pearson、Spearman、Kendall等系数