Pandas常用方法二

最新推荐文章于 2025-05-26 15:25:32 发布

朱莉安娜·

最新推荐文章于 2025-05-26 15:25:32 发布

阅读量571

点赞数 1

分类专栏： Python基础知识文章标签： python 大数据

本文链接：https://blog.youkuaiyun.com/weixin_42283422/article/details/115132439

版权

本文详细介绍了Python在数据分析领域的常用方法，包括数学统计、排序、分箱、分组聚合以及时间序列分析。通过实例展示了如何使用pandas库进行数据处理，如等距和等频数分箱，分组统计，时间戳操作以及重采样。此外，还探讨了基本的数据可视化，如线形图、散点图、条形图等多种图表的绘制，帮助读者掌握数据洞察和展示的技能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、数学和统计方法

统计方法

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(1,20,size=(6,2)), 
                  index=list('qwerty'),
                  columns=['C++', 'Math'])
df

df['C++'].argmax()  # 返回最大值索引顺序

df['C++'].idxmax() # 返回最大值值的索引value

df.cummax()  # 累计最大值
df.cummin() # 累计最小值
df.cumprod() # 累乘
df.cumsum()  # 累加

df.diff() # 差分，当前数据减去上一个的差值
df.pct_change().round(1) # 环比增加百分比  2012/2011 - 1

df.cov()   # 协方差
df.std()   # 标准差
df.corr()  # 求相关系数

df.corrwith(df['Math'])

排序

df.sort_index(axis=0)  

df.sort_values(by='C++', ascending=False)
df.sort_values(by = ['C++','Math'],ascending=True) 
# 先根据'C++'进行排序，如果相等在根据'Math'排序

df.nlargest(3, columns='Math')  # 根据Math找到前n大的数
df.nsmallest

2、分箱

什么是分箱？
就是把连续数据切分成离散区间，例如考试分数，按及格、优秀统计；按每十分区间统计

df = pd.DataFrame(np.random.randint(0,100,(50,2)),
                 columns=['语文', '数学'])
df.head()

等距分箱

pd.cut(df['数学'][:5],
       bins=10, # 等宽度分成10份
       labels=['0-10','10-20','20-30','30-40','40-50',
              '50-60','60-70','70-80','80-90','90-100',],
       right = True)  # 区间，闭区间)

# 索引0的同学 是50-60区间

df['status'] = pd.cut(
                    df['语文'],
                    bins=[0,60,80,90,100], # 自己设置区间
                    labels=['不及格','及格','优秀', '天才']
                    )

等频数分箱，每个箱子拥有相同的记录数

df['qcut'] = pd.qcut(
                    df['数学'],
                    q=5,
                    labels=None
                )

df.qcut.value_counts()
# 把0-100分平均分成5份，差不多20分为一个箱子

3、分组聚合

分组

就是根据分类变量来分组统计

df = pd.DataFrame(data = {
   'Sex':np.random.randint(0,2,size = 30),
                          'Class':np.random.randint(1,3

最低0.47元/天解锁文章