Python数据分析入门（八）：Pandas统计计算和描述

心已赠人 2022-11-15 01:18 200阅读 0赞

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# [Python学习交流群：1039649593][Python_1039649593] #

示例代码：

arr1 = np.random.rand(4,3)
    pd1 = pd.DataFrame(arr1,columns=list('ABC'),index=list('abcd'))
    f = lambda x: '%.2f'% x
    pd2 = pd1.applymap(f).astype(float)
    pd2

运行结果：

A            B           C
    a    0.87        0.26        0.67
    b    0.69        0.89        0.17
    c    0.94        0.33        0.04
    d    0.35        0.46        0.29

# 常用的统计计算 #

### sum, mean, max, min… ###

axis=0 按列统计，axis=1按行统计

skipna 排除缺失值， 默认为True

示例代码：

pd2.sum() #默认把这一列的Series计算,所有行求和
    pd2.sum(axis='columns') #指定求每一行的所有列的和
    pd2.idxmax()#查看每一列所有行的最大值所在的标签索引，同样我们也可以通过axis='columns'求每一行所有列的最大值的标签索引

运行结果：

A    2.85
    B    1.94
    C    1.17
    dtype: float64
    
    
    a    1.80
    b    1.75
    c    1.31
    d    1.10
    dtype: float64
    
    
    A    c
    B    b
    C    a
    dtype: object

![254280449c568ca30685e344c23f1c9e.png][]

# 常用的统计描述 #

### describe 产生多个统计数据 ###

示例代码：

pd2.describe()#查看汇总

运行结果：

A        B        C
    count      4.000000    4.00000        4.000000
    mean       0.712500    0.48500        0.292500
    std        0.263613    0.28243        0.271585
    min        0.350000    0.26000        0.040000
    25%        0.605000    0.31250        0.137500
    50%        0.780000    0.39500        0.230000
    75%        0.887500    0.56750        0.385000
    max        0.940000    0.89000        0.670000
    #百分比:除以原来的量
    pd2.pct_change() #查看行的百分比变化，同样指定axis='columns'列与列的百分比变化
         A                 B                C
    a    NaN              NaN             NaN
    b    -0.206897        2.423077        -0.746269
    c    0.362319        -0.629213        -0.764706
    d    -0.627660        0.393939        6.250000

### 常用的统计描述方法 ###

![09c9427c712970bebc147034b5241f01.png][]

[Python_1039649593]: https://jq.qq.com/?_wv=1027&k=SBLaYU2c
[254280449c568ca30685e344c23f1c9e.png]: /images/20221022/32c0cbfa0ab14a13aaa8f84be37994d9.png
[09c9427c712970bebc147034b5241f01.png]: /images/20221022/c69aa8a00b354fed8abf09b697d1b692.png