pandas（5）：数学统计——描述性统计

Pandas 可以对 Series 与 DataFrame 进行快速的描述性统计，方便快速了解数据的集中趋势和分布差异。源Excel文件descriptive_statistics.xlsx：

一、描述性统计汇总df.describe()

df.describe(percentiles=None, include=None, exclude=None)

参数说明：

• percentiles，百分位数，默认为[.25, .5, .75]，即上下四分位数和中位数，其中，中位数一定输出；
• include，控制描述性统计输出包含的内容。
  数值型和离散型特征数据（定序数据和定类数据）
  默认值：None，即只输出数值型数据列的统计信息（count、mean、std、min、百分位数、max）。
  'all'：输入的所有列的统计信息。
  'O'：只输出 object（字符、定类数据）的统计信息：count、unique（分类分组数量）、top（出现次数最多的类别）、freq（top出现的频数）
• exclude，和参数include是相反的,表示不输出哪些内容。

df.describe() # 默认：数值型数据，上下四分位和中位数

df.describe([]) # 只输出中位数
df.describe([.4]) # 中位数和40%分位数

# 指定类型：只输出字符型离散数据统计特征
df.describe(include='O')
# df.describe(include=[np.object])
# 排除类型
df.describe(exclude=[np.number])

二、其他数学统计方法

DataFrame 计算后一般为一个 Series或df，Series 计算后为一个定值。

df.mean() # 返回所有列的均值
df.mean(1) # 返回所有行的均值，下同
df.corr() # 返回列与列之间的相关系数
df.count() # 返回每一列中的非空值的个数
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.abs() # 绝对值
df.median() # 返回每一列的中位数
df.std() # 返回每一列的标准差, 贝塞尔校正的样本标准偏差
df.var() # 无偏方差
df.sem() # 平均值的标准误差
df.mode() # 众数
df.prod() # 连乘
df.mad() # 平均绝对偏差
df.cumprod() # 累积连乘,累乘
df.cumsum(axis=0) # 累积连加,累加
df.nunique() # 去重数量，不同值的量
df.idxmax() # 每列最大的值的索引名
df.idxmin() # 最小
df.cummax() # 累积最大值
df.cummin() # 累积最小值
df.skew() # 样本偏度 (第三阶)
df.kurt() # 样本峰度 (第四阶)
df.quantile() # 样本分位数 (不同 % 的值)

特殊说明：

• 很多方法支持行列指定，默认为列axis=0；
• 是否排除缺失值，默认排除skipna=False；
• 假若索引为多层索引，支持索引层次选择，level参数控制；
• 是否排除bool值，numeric_only，默认为False，不排除；
• 如果有空值总共算几，min_count，默认为0，一个不算。