Pandas统计函数


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,我们可以将这些函数应用于Pandas对象。

PERCENT_CHANGE

序列,DatFrames和Panel都具有函数 pct_change() 。该函数将每个元素与其先前的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()

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; 如果你想应用相同的行,那么使用 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来计算序列对象之间的协方差。NA将被自动排除。

Cov序列

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)

输出 如下 -

-0.12978405324

协变量方法应用于DataFrame时,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()

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

- 观察 第一个语句中 ab 列之间的 cov ,并且相同的是由DataFrame上的cov返回的值。 **


关联

相关性显示了任何两个数值(序列)之间的线性关系。有多种方法可以计算pearson(默认),spearman和kendall之类的相关性。

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()

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。在关系的情况下,分配平均等级。

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()

输出 如下 -

a  1.0
b  3.5
c  2.0
d  3.5
e  5.0
dtype: float64

Rank可选地使用一个默认为true的升序参数; 当错误时,数据被反向排序,较大的值被指定为较小的排名。

Rank支持不同的tie-breaking方法,用方法参数指定 -

  • average 群体平均等级

  • min - 组中最低的等级

  • max - 组中的最高等级

  • first 按照它们出现在数组中的顺序进行分配