pandas入门：汇总和计算描述统计

from pandas import DataFrame, Series
import numpy as np

df = DataFrame([[1.4,np.nan],[7.1,-4.5],
               [np.nan,np.nan],[0.75,-1.3]],
               index=['a','b','c','d'],
               columns=['one','two'])
print(df)
'''
    one  two
a  1.40  NaN
b  7.10 -4.5
c   NaN  NaN
d  0.75 -1.3
'''
# 调用DataFrame的sum方法会返回一个含有列小计的Series
print(df.sum())
'''
one    9.25
two   -5.80
dtype: float64
'''
# 传入axis=1将会进行求和运算
print(df.sum(axis=1))
'''
a    1.40
b    2.60
c    0.00
d   -0.55
dtype: float64
'''
# NA值会自动被排除，除非整个切换（行或列）都是NA，skipna选项可禁用该功能
print(df.mean(axis=1,skipna=True)) # 默认skipna=True
'''
a    1.400
b    1.300
c      NaN
d   -0.275
dtype: float64
'''
print(df.mean(axis=1,skipna=False))
'''
a      NaN
b    1.300
c      NaN
d   -0.275
dtype: float64
'''
print(df.idxmax()) # 最大值索引
'''
one    b
two    d
dtype: object
'''
print(df.idxmin()) # 最小值索引
'''
one    d
two    b
dtype: object
'''
print(df.cumsum()) # 累计
'''
    one  two
a  1.40  NaN
b  8.50 -4.5
c   NaN  NaN
d  9.25 -5.8
'''
print(df.describe()) # 一次性产生多个汇总统计
'''
            one       two
count  3.000000  2.000000
mean   3.083333 -2.900000
std    3.493685  2.262742
min    0.750000 -4.500000
25%    1.075000 -3.700000
50%    1.400000 -2.900000
75%    4.250000 -2.100000
max    7.100000 -1.300000
'''
# 对于非数值型数据，describe会产生另外一种统计
obj = Series(['a','a','b','c']*4)
print(obj.describe())
'''
count     16
unique     3
top        a
freq       8
dtype: object
'''

描述和汇总统计

• count：非NA值的数量
• describe：针对Series和DataFrame列计算汇总统计
• min、max：计算最小值和最大值
• argmin、argmax：计算能够获取到的最小值和最大值索引位置（整数）
• idxmin、idxmax：计算能够获取到的最小值和最大值索引值
• quantile：计算样本的分位数（0-1）
• sum：值的总和
• mean：值的平均数
• median：值的算数中位数（59%分位数）
• mad：根据平均值计算平均对离差
• var：样本值的方差
• std：样本值的标准差
• skew：样本值的偏度（三阶矩）
• kurt：样本值的峰度（四阶矩）
• cumsum：样本值的累计和
• cummin、cummax：样本值的累计最大值和累计最小值
• cumprod：样本值的累计积
• diff：计算一阶差分（对时间序列很有用）
• pct_change:计算百分数变化