Pandas 统计函数
Pandas 统计函数的操作实例
统计方法有助于理解和分析数据的行为。现在,我们将学习一些统计函数,可以将它们应用于Pandas对象。
百分比变化
Series,DatFrames和Panel都具有功能pct_change()。此函数将每个元素与其先前的元素进行比较,并计算更改百分比。
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())
运行结果:
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;如果要明智地应用同一行,请使用axis = 1()参数。
协方差
协方差应用于序列数据。系列对象具有方法cov来计算系列对象之间的协方差。NA将被自动排除。
Cov 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))
运行结果:
将协方差方法应用于DataFrame时,将计算所有列之间的cov。
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())
运行结果:
-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
观察第一条语句中a和b列之间的cov值,这与cov在DataFrame上返回的值相同。
相关性
相关性显示任意两个值数组(序列)之间的线性关系。有多种计算相关性的方法,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())
运行结果:
-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
数据排名对元素数组中的每个元素进行排名。如果是平局,则分配平均排名。
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())
运行结果:
a 1.0
b 3.5
c 2.0
d 3.5
e 5.0
dtype: float64
Rank可以选择将参数升序,默认情况下为true;如果为false,则对数据进行反向排名,将较大的值分配为较小的排名。
Rank支持使用method参数:
average − 并列组的平均等级。
min − 组中最低的排名。
max − 组中最高等级。
first − 行列分配在它们出现的数组中的顺序。