在Python中使用Pandas计算统计数据

在Python中执行各种复杂的统计操作可以很容易地被简化为使用pandas的单行命令。我们将在这篇文章中讨论一些最有用和最常见的统计操作。我们将使用泰坦尼克号的生存数据集来演示这些操作。

# Import Pandas Library
import pandas as pd
 
# Load Titanic Dataset as Dataframe
dataset = pd.read_csv('train.csv')
 
# Show dataset
# head() bydefault show
# 5 rows of the dataframe
dataset.head()

输出:

1. Mean

通过使用DataFrame/Series.mean()方法计算平均值或平均数。

语法:

DataFrame/Series.mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数:

• axis: {指数（0），列（1）}。指定要应用的函数的axis。

• skipna:此参数为bool值，默认值为True。它在计算结果时排除了空值。

• level:该参数采用int值或级别名称，默认值为无。如果axis是MultiIndex，沿某一级别计数，折叠成一个系列。

• numeric_only : 此参数为bool值，默认值为无。只包括float, 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值。对系列来说没有实现。

• kwargs。传递给函数的额外参数。

返回：系列或数据框架的平均值（如果指定水平）。

代码:

# Calculate the Mean
# of 'Age' column
mean = dataset['Age'].mean()
 
# Print mean
print(mean)

输出:

29.69911764705882

2. Median:

通过使用DataFrame/Series.median()方法计算中值。

语法:

DataFrame/Series.median(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数:

axis: {index (0), columns (1)} 指定函数要应用的轴。

skipna: 这个参数采用bool值，默认值为True，在计算结果时排除空值。

level: 该参数采用int或级别名称，默认为None 如果轴是MultiIndex，则沿某一级别计数，折叠成一个系列。

numeric_only:该参数采用bool值，默认值为None 只包括浮动、int、boolean列。如果值为None，将尝试使用所有数据，然后只使用数字数据。

**kwargs:要传递给函数的附加参数。

返回值: 系列或数据框架的中位数（如果指定水平）。

代码:

# Calculate Median of 'Fare' column
median = dataset['Fare'].median()
 
# Print median
print(median)

输出:

14.4542

3. Mode

通过使用DataFrame.mode()方法计算模式或最频繁的值。

语法:

DataFrame/Series.mode(self, axis=0, numeric_only=False, dropna=True)

参数:

• axis : {index (0), columns (1)}

在搜索模式值时要迭代的轴。

0值或’索引’：获取每一列的模式

1值或’列’：获取每一行的模式。

• numeric_only: 该参数采用bool值，默认值为False。如果是True，只适用于数值列。

• dropna: 该参数采用bool值，默认值为True。不考虑NaN/None值的计数。

返回值 : 最高的频率值。

代码 :

# Calculate Mode of 'Sex' column
mode = dataset['Sex'].mode()
 
# Print mode
print(mode)

输出:

0    male
dtype: object

4. Count:

通过使用DataFrame/Series.count()方法，计算非空值的数量或频率。

语法:

DataFrame/Series.count(self, axis=0, level=None, numeric_only=False)

参数:

• axis: {0或’索引’，1或’列’}，默认值为0 ,如果值为0或’索引’，则为每列生成计数。如果值为1或 “列”，则为每一行生成计数。

• level: (optional)这个参数采用int或str值。如果轴是一个多索引类型，则沿着一个特定的级别计数，折叠成一个DataFrame。str是用来指定级别名称的。

• numeric_only: 这个参数使用bool值，默认为False。只包括浮点数、英数或布尔值数据。

返回值 : 对于每一列/行的非空条目的数量。如果指定了级别，则返回一个DataFrame结构。

代码:

# Calculate Count of 'Ticket' column
count = dataset['Ticket'].count()
 
# Print count
print(count)

输出:

891

5.标准偏差

通过使用DataFrame/Series.std()方法计算数值的标准偏差。

语法 :

DataFrame/Series.std(self, axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数:

• axis : {index (0), columns (1)}
• skipna: 该参数采用bool值，默认值为True。 排除NA/null值。如果整个行/列有NA值，结果将是NA值。

• level: 该参数使用int或级别名称，默认值为无。如果轴是MultiIndex，则沿某一级别计数，折叠成一个系列。

• ddof : 此参数为int值，默认值为1。 Delta自由度。计算中使用的除数是N-ddof，其中N值代表元素的数量。

• numeric_only : 此参数为bool值，默认为无。只包括float, 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。对系列来说没有实现。

返回值 : Standard Deviation

代码:

# Calculate Standard Deviation
# of 'Fare' column
std = dataset['Fare'].std()
 
# Print standard deviation
print(std)

输出 :

49.693428597180905

6. Max

使用DataFrame/Series.max()方法计算出最大值。

语法:

DataFrame/Series.max(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数:

• axis: {index (0), columns (1)} 指定要应用的函数的轴。

• skipna: bool, default True .它在计算结果时排除了空值。

• level: 如果轴是MultiIndex类型，则沿某一特定级别计数，折叠成一个系列。

• numeric_only: bool, default None .只包括float, int, boolean列。如果无值，将尝试使用所有数据，然后只使用数字数据。

• **kwargs: 传递给函数的附加关键字。

返回值 : 系列或数据框架中的最大值（如果指定了水平）。

代码 :

# Calculate Maximum value in 'Age' column
maxValue = dataset['Age'].max()
 
# Print maxValue
print(maxValue)

输出 :

80.0

7. Min

使用DataFrame/Series.min()方法计算出最小值。

语法: DataFrame/Series.min(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

Parameters:

• axis: {index (0), columns (1)} .指定要应用的函数的轴。

• skipna: bool, default True .它在计算结果时排除了空值。

• level: int or level name, default None .如果轴是MultiIndex类型，则沿某一级别计数，折叠成一个系列。

• numeric_only: bool, default None .只包括float, int, boolean列。如果无值，将尝试使用所有数据，然后只使用数字数据。

• **kwargs: 传递给函数的附加关键字。

返回值: 系列或数据框架中的最小值（如果指定水平）。

代码 :

# Calculate Minimum value in 'Fare' column
minValue = dataset['Fare'].min()
 
# Print minValue
print(minValue)

输出:

0.0000

8. Describe

使用DataFrame/Series.describe()方法总结一般描述性统计。

语法:

DataFrame/Series.describe(self: ~ FrameOrSeries, percentiles=None, include=None, exclude=None)

参数:

• percentiles: 类似于数字的列表，可选
• i nclude : ‘all’, 类似于dtypes或None值的列表（默认），可选
• exclude : 类似于dtypes或None值的列表（默认），可选。

返回值: Summary statistics of the Series or Dataframe provided.

# Statistical summary
dataset.describe()

输出: