上一节:
下一节:

  Pandas - 统计函数

  • 简述

    统计方法有助于理解和分析数据的行为。我们现在将学习一些可以应用于 Pandas 对象的统计函数。

  • 百分比变化

    Series、DatFrames和Panel，都有这个函数pct_change(). 此函数将每个元素与其前一个元素进行比较并计算变化百分比。 
    
import pandas as pd
import numpy as np
s = pd.Series([1,2,3,4,5,4])
print s.pct_change()
df = pd.DataFrame(np.random.randn(5, 2))
print df.pct_change()
    它的输出如下 - 
    
0        NaN
1   1.000000
2   0.500000
3   0.333333
4   0.250000
5  -0.200000
dtype: float64
            0          1
0         NaN        NaN
1  -15.151902   0.174730
2  -0.746374   -1.449088
3  -3.582229   -3.165836
4   15.601150  -1.860434
    默认情况下，pct_change()对列进行操作；如果您想智能地应用同一行，请使用axis=1()参数。

  • 协方差

    协方差应用于序列数据。Series 对象有一个方法 cov 来计算系列对象之间的协方差。NA 将被自动排除。

    Series

    
import pandas as pd
import numpy as np
s1 = pd.Series(np.random.randn(10))
s2 = pd.Series(np.random.randn(10))
print s1.cov(s2)
    它的输出如下 - 
    
-0.12978405324
    应用于 DataFrame 时的协方差方法，计算cov所有列之间。 
    
import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
print frame['a'].cov(frame['b'])
print frame.cov()
    它的输出如下 - 
    
-0.58312921152741437
           a           b           c           d            e
a   1.780628   -0.583129   -0.185575    0.003679    -0.136558
b  -0.583129    1.297011    0.136530   -0.523719     0.251064
c  -0.185575    0.136530    0.915227   -0.053881    -0.058926
d   0.003679   -0.523719   -0.053881    1.521426    -0.487694
e  -0.136558    0.251064   -0.058926   -0.487694     0.960761
    注意− 观察cov之间a和b第一条语句中的列，相同的是 cov 在 DataFrame 上返回的值。

  • 相关性

    相关性显示任意两个值数组（系列）之间的线性关系。有多种方法可以计算相关性，例如 pearson（默认）、spearman 和 kendall。 
    
import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
print frame['a'].corr(frame['b'])
print frame.corr()
    它的输出如下 - 
    
-0.383712785514
           a          b          c          d           e
a   1.000000  -0.383713  -0.145368   0.002235   -0.104405
b  -0.383713   1.000000   0.125311  -0.372821    0.224908
c  -0.145368   0.125311   1.000000  -0.045661   -0.062840
d   0.002235  -0.372821  -0.045661   1.000000   -0.403380
e  -0.104405   0.224908  -0.062840  -0.403380    1.000000
    如果 DataFrame 中存在任何非数字列，则会自动将其排除。

  • 数据排名

    数据排名为元素数组中的每个元素生成排名。在平局的情况下，分配平均排名。 
    
import pandas as pd
import numpy as np
s = pd.Series(np.random.np.random.randn(5), index=list('abcde'))
s['d'] = s['b'] # so there's a tie
print s.rank()
    它的输出如下 - 
    
a  1.0
b  3.5
c  2.0
d  3.5
e  5.0
dtype: float64
    Rank 可选地采用参数升序，默认情况下为 true；如果为 false，则对数据进行反向排名，较大的值分配较小的排名。
    Rank 支持不同的平局方法，由方法参数指定 -
    • average− 并列组的平均排名
    • min− 组中排名最低的
    • max− 组中排名最高的
    • first- 按照它们在数组中出现的顺序分配的等级
上一节:
下一节: