数据挖掘笔记(2)-统计特征函数和数据可视化作图

数据可视化作图参考博客

统计特征函数

Pandas库中主要的统计特征函数如下表



使用方法：D·函数名，D为Dataframe或者Series类型的对象，如：D·mean()。

Dataframe和Series类型数据结构的初始化：
Series可以看作带索引的一列
Dataframe可以看作带索引和列名的二维表
具体操作看这里

函数主要介绍：
上图中的函数作为Dataframe或者Series对象的方法来使用。函数参数axis_descr默认为0，代表按列计算，axis_descr=1代表按行计算。

• corr()

• D为Dataframe类型
  D·corr(method=pearson)计算D的相关系数矩阵，method可取pearson(皮尔森系数为默认选项)、spearman(斯皮尔曼系数)、kendall(肯德尔系数)

• S1、S2为Series类型
  S1·corr(S2)计算S1与S2的皮尔森相关系数。

• skew()
  D·skew()按列计算每一列数据的偏度。偏度(skewness)是统计数据分布偏斜方向和程度的度量,定义偏度是样本的三阶标准化矩。
  公式如下：
  
  情况如下：
  (1)偏度=0，正态分布
  (2)偏度>0，右偏分布(正偏分布)
  (3)偏度<0，左偏分布(负偏分布)
  

• kurt()
  D·kurt()按列计算每一列数据的峰度。峰度(kurtosis)用来衡量概率密度曲线在均值处的值的大小,定义峰度是样本的四阶标准化矩。
  公式如下：
  
  情况如下：
  (1)峰度值=3,正态分布
  (2)峰度值>3,厚尾
  (3)峰度值<3,瘦尾
  

• describe()
  D·describe()默认计算每一列的的count、mean、std、min、1/4分位数、1/2分位数、3/4分位数、max。
  D·describe(per