pandas汇总和计算描述统计

本文介绍了Pandas库中用于数据统计、简约和汇总的常用方法,如sum、mean、idxmax及describe等,并提及了pandas-datareader模块在股票数据分析中的应用。对于数据型内容,Pandas提供了丰富的统计功能;而对于非数据型内容,则能提供总计数量的统计。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.

pandas对象可以进行统计  简约和汇总统计 

就是从Series里边提取单个值 sum mean这种

或者是从df里边的行或列提取一个Series

df.idxmax()   返回column的对应的值的表头

df.describe()  返回各个内容 求和求差平均等等

这是对数据型的

如果是非数据型的 就返回一个总计数量

 

2.

有一个模块叫pandas-datareader

这是分析股票可以用的到的

没看明白干嘛使的

在Python的数据分析库Pandas中,描述性统计是一种用于理解数据集基本特征的方法。它主要包括以下几种核心概念: 1. **基本统计量**:Pandas提供了一系列函数,如`count()`计算非空值的数量,`mean()`计算平均值,`median()`求中位数,`min()``max()`找出最小值最大值,`std()``var()`计算标准差方差,这些帮助我们了解数值型数据的分布情况。 2. **频率分部(Histograms)**:`value_counts()`用于查看类别变量的频数,而`hist()`或`plot.hist()`可用于创建直方图,展示数值变量的分布情况。 3. **描述性统计汇总**:`describe()`函数提供了大量的统计信息,包括计数、平均值、标准差、最小值、四分位数等,对于数值型数据非常有用。 4. **中心趋势指标**:如均值(平均数)、中位数(将数据分为两半,中间的那个值)众数(出现最频繁的值),它们用来描述数据集中点的典型位置。 5. **离散程度指标**:如极差(最大值减最小值)、IQR(四分位距,即上四分位数与下四分位数之差)标准差(衡量数据分散的程度)。 6. **数据分布形状**:通过计算偏度峰度(分别衡量数据分布的对称性尖锐度),可以判断数据是否对称、偏斜或呈现某种特定的形态。 7. **缺失值处理**:Pandas提供了`isnull()``notnull()`来检查缺失值,以及`fillna()``dropna()`来处理这些缺失值。 当你使用Pandas对数据进行描述性统计时,通常会结合可视化工具(如matplotlib或seaborn)来直观地呈现数据的特性,以便于更好地理解分析数据集。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值