Pandas常用统计数据方法

import pandas as pd

1、准备数据

假设有 5 个人，分别参加了 4 门课程，获得了对应的分数

同时这个 5 个人分别负责的项目个数 在 ‘Project_num’ 列中显示

data = {‘name’ : pd.Series([‘Alice’, ‘Bob’, ‘Cathy’, ‘Dany’, ‘Ella’, ‘Ford’, ‘Gary’, ‘Ham’, ‘Ico’, ‘Jack’]),

    'Math_A' : pd.Series([1.1, 2.2, 3.3, 4.4, 5, 3.2, 2.4, 1.5, 4.3, 4.5]),

    'English_A' : pd.Series([3, 2.6, 2, 1.7, 3, 3.3, 4.4, 5, 3.2, 2.4]),

    'Math_B' : pd.Series([1.7, 2.5, 3.6, 2.4, 5, 2.2, 3.3, 4.4, 1.5, 4.3]),

    'English_B' : pd.Series([5, 2.6, 2.4, 1.3, 3, 3.6, 2.4, 5, 2.2, 3.1]),

    'Project_num' : pd.Series([2, 3, 0, 1, 7, 2, 1, 5, 3, 4]),

    'Sex' : pd.Series(['F', 'M', 'M', 'F', 'M', 'F', 'M', 'M', 'F', 'M'])

 }

df = pd.DataFrame(data)

print(df)

print(“----------------”)

print(df.median())

print(“----------------”)

2、数据的总体描述

统计行数 len(df)

print(len(df)) # 不包括表头（列标签）

统计有多少种不同的值 df[‘lable’].nunique()

这些人中有多少种性别呢

print(df[‘Sex’].nunique())

对 列 中每种不同的值 进行计数 df[‘lable’].value_counts()

统计每种性别有多少人数

print(df[‘Sex’].value_counts())

整体统计描述 df.describe()

仅对数值型

对整张表格进行统计描述（这里仅对数值形的列进行统计）

print(“----------------”)

print(df.describe())

print(“----------------”)

对所有类型 df.describe(include=‘all’)

对整张表格进行统计描述（所有类型进行统计）

print(df.describe(include=‘all’))

对指定的列

对指定的列进行统计描述

print(“----------------”)

print(df.Math_A.describe())

print(“----------------”)

3、指定统计方式

求和 sum()

print(df.Project_num.sum())

计数 df.count()

print(df.count())

中位数 df.median()

print(df.median())

分位数 df.quantile()

print(df.quantile([0.25,0.75]))

最大值 / 最小值 df.max() / df.min()

print(df.max())

print(df.min())

字符串在计算机表示中也是有大小区别的

均值 df.mean()

仅对数值类型进行求解

print(df.mean())

方差 / 标准差 df.var() / df.std()

仅对数值类型进行求解

print(df.var())

print(df.std())

4、批量操作 df.apply()（对每个元素应用同一个自定义函数）

对整张表格

def double (x):

return x*2

print(df.apply(double))

对于数值就是 乘以 2

但是对于字符串，那就是重复2遍的操作

对指定的列

def double (x):

return x*2

print(df.Math_B.apply(double))