Pandas常用计算函数

目录

排序函数

nlargest函数

nsmallest函数 

sort_values函数

df.sort_values

Series.sort_values

聚合函数

corr函数-相关性

min函数-最小值

max函数-最大值

mean函数-平均值

sum函数-求和

count函数-统计非空数据

std函数-标准偏差

quantile函数-分位数

---

排序函数

准备函数

# 加载csv数据, 返回df对象
import pandas as pddf = pd.read_csv('../data/b_LJdata.csv')
# print(df.head())
# 获取前10条数据
df2 = df.head(10)
df2

 

nlargest函数

通过 df.nlargest(n, 列名) 方法实现对指定列的值由大到小排序, 返回前n行数据

# df.nsmallest(n, '列名') # 根据指定列的值由小到大排列，返回n行数据
print(df2.nsmallest(5, '看房人数'))

nsmallest函数 

通过 df.nsmallest(n, 列名) 方法实现对指定列的值由小到大排序, 返回前n行数据

# df.nsmallest(n, '列名') # 根据指定列的值由小到大排列，返回n行数据
print(df2.nsmallest(5, '看房人数'))

sort_values函数

通过 df.sort_values(列名列表, ascending=) 方法根据指定列指定排序方式排序

ascending: True或False, 默认True->升序, 也可以接收布尔值列表, 每列指定排序方式

df.sort_values

• df.sort_values函数可以按照指定的一列或多列的值进行排序

1) 按价格列的数值由小到大进行排序

print(df2.sort_values(['价格']))

2) 按价格列的数值由大到小进行排序

print(df2.sort_values(['价格'], ascending=False))

3)  先对看房人数列由小到大排序, 再对价格列由大到小排序

print(df2.sort_values(['看房人数', '价格'], ascending=[True, False]))

Series.sort_values

Series.sort_values 函数可以按照指定的一列或多列的值进行排序

1) 按价格列的数值由小到大进行排序

print(df2['价格'].sort_values())

2)  按价格列的数值由大到小进行排序

print(df2['价格'].sort_values(ascending=False))

聚合函数

corr函数-相关性

相关性得分越接近1, 代表正相关性越强; 越接近-1, 代表负相关性越强 自己和自己相关性为1 面积和价格呈现正相关, 面积越大, 价格越贵

df.corr()

• “面积” 与 “面积” 的相关系数为 1.000000，这是必然的，因为一个变量与自身完全相关。

• “面积” 与 “价格” 的相关系数为 0.710056，呈正相关关系。这表明在该数据集中，一般情况下，房屋面积越大，价格越高。但需要注意的是，相关系数为 0.710056 表明这种关系并非完全线性相关，可能存在其他因素影响价格。

• “面积” 与 “看房人数” 的相关系数为 -0.114706，呈较弱的负相关关系。这意味着房屋面积的大小与看房人数之间的关系不是很密切，面积的增加不一定会导致看房人数的减少，反之亦然。

• “价格” 与 “价格” 的相关系数为 1.000000，同理，一个变量与自身完全相关。

• “价格” 与 “看房人数” 的相关系数为 0.019457，接近 0，表明价格与看房人数之间几乎没有线性关系。房屋价格的高低对看房人数的影响不明显。

• “看房人数” 与 “看房人数” 的相关系数为 1.000000，自身完全相关。

min函数-最小值

print(df2.min())

max函数-最大值

print(df2.max())

mean函数-平均值

print(df2.mean())

sum函数-求和

print(df2.sum())
print('======================')
print(df2['看房人数'].sum())

count函数-统计非空数据

# 构造空值
df2.loc[0, '看房人数'] = None
print(df2.count())
print(df2['看房人数'].count())

std函数-标准偏差

一、方差

方差是用来衡量一组数据离散程度的统计量。具体计算方法是先求出这组数据的平均值，然后对于每个数据值，计算它与平均值的差值，再将这个差值进行平方，最后把所有数据值的差值平方加起来求平均。

方差越大，说明这组数据的波动越大，数据点相对平均值的分散程度越高；方差越小，说明数据相对更加集中在平均值附近。

二、标准差

标准差是方差的算术平方根。

即标准差

print(df2.std())

quantile函数-分位数

• 分位数（Quantile），亦称分位点，常用的有中位数（即二分位数）、四分位数、百分位数等；那什么是分位数呢？我们以中位数为例：通过把一堆数字按大小排序后找出正中间的一个数字作为中位数，如果这一堆数字有偶数个，则中位数不唯一，通常取最中间的两个数值的平均数作为中位数，即二分位数。

• quantile函数默认返回二分位数；可以通过传入参数来控制返回的四分位数，或其他分位数

print(df2.quantile())
print(df2['看房人数'].quantile())

print(df2.quantile([0.25, 0.5, 0.75]))
print('==============================')
print(df2['看房人数'].quantile([0.25, 0.5, 0.75]))