Python Pandas 统计函数
统计学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,我们可以在Pandas对象上应用这些函数。
百分比变化
系列、DatFrames和面板,都有 pct_change() 函数 。 这个函数将每个元素与之前的元素进行比较,并计算出变化百分比。
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()
其 输出结果 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;如果你想应用同样的行,那么使用 axis=1() 参数。
协方差
协方差是应用于系列数据的。系列对象有一个方法cov来计算系列对象之间的协方差。NA将被自动排除。
Cov系列
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)
其 输出结果 如下 –
-0.12978405324
当应用于DataFrame时,协方差方法计算所有列之间的 协方差 。
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()
其 输出结果 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
注意 - 观察第一条语句中 a 和 b 列之间的 cov ,这也是cov在DataFrame上返回的值。
相关性
相关性显示了任何两个数值阵列(系列)之间的线性关系。有多种方法来计算相关关系,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()
其 输出结果 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,它将被自动排除。
数据排行
数据排行为元素数组中的每个元素产生排行。在出现并列的情况下,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()
其 输出结果 如下 –
a 1.0
b 3.5
c 2.0
d 3.5
e 5.0
dtype: float64
Rank可以选择接受一个参数ascending,默认为true;当false时,数据被反向排序,较大的值被分配较小的等级。
Rank支持不同的打破平局的方法,用参数method指定 –
-
average – 并列组的平均等级
-
min – 该组中的最低排名
-
max - 该组中的最高排名
-
first – 按照它们在数组中出现的顺序分配等级