Python Pandas dataframe.mad()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas dataframe.mad()函数返回所请求axis的平均绝对偏差值。一个数据集的平均绝对偏差是每个数据点与平均值之间的平均距离。它让我们了解到数据集的可变性。

语法:

DataFrame.mad(axis=None, skipna=None, level=None)

参数 :
axis： {指数（0），列（1）}。
skipna :计算结果时排除NA/null值
level : 如果坐标axis是一个多指标（分层的），沿着一个特定的层次计数，折叠成一个系列。
numeric_only :只包括浮动、int、boolean列。如果没有，将尝试使用所有数据，然后只使用数字数据。不实现系列。

返回：系列或数据框架（如果指定级别）。

例子#1：使用mad()函数来寻找指数axis上数值的平均绝对偏差。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
                   "B":[5, 2, 54, 3, 2], 
                   "C":[20, 16, 7, 3, 8],
                   "D":[14, 3, 17, 2, 6]})
  
# Print the dataframe
df

Python Pandas dataframe.mad()

让我们使用dataframe.mad()函数来寻找平均绝对偏差。

# find the mean absolute deviation 
# over the index axis
df.mad(axis = 0)

输出 :
Python Pandas dataframe.mad()

例子2：使用mad()函数查找列axis上数值的平均绝对偏差，列axis上有一些Na值。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
                   "B":[7, 2, 54, 3, None],
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]})
  
# To find the mean absolute deviation
# skip the Na values when finding the mad value
df.mad(axis = 1, skipna = True)