Pandas 통계 함수

Pandas 统计函数的操作实例

统计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，可以将它们应用于Pandas对象。

百分比变化

Series，DatFrames和Panel都具有功能pct_change()。此函数将每个元素与其先前的元素进行比较，并计算更改百分比。

　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())

실행 결과:

　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；如果要明智地应用同一行，请使用axis = 1()参数。

协方差

协方差应用于序列数据。系列对象具有方法cov来计算系列对象之间的协方差。NA将被自动排除。

Cov Series

　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))

실행 결과:

　　　-0.12978405324

将协方差方法应用于DataFrame时，将计算所有列之间的cov。

　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())

실행 결과:

　-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

첫 번째 문장에서 a와 b 열 간의 cov 값을 관찰하세요. 이는 DataFrame에서 반환하는 cov와 같습니다.

관계성

相关性는 두 개의 값 배열(시퀀스) 간의 선형 관계를 보여줍니다. pearson(기본), spearman, kendall과 같은 여러 가지 관계 계산 방법이 있습니다.

　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())

실행 결과:

　-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

DataFrame에 어떤 비숫자 열도 존재하면 자동으로 제외됩니다.

데이터 순위

데이터 순위는 요소 배열의 각 요소에 순위를 매깁니다. 평점이 있는 경우 평균 순위를 할당합니다.

　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())

실행 결과:

　a　　1.0
b　　3.5
c　　2.0
d　　3.5
e　　5.0
dtype:　float64

Rank는 매개변수를 오름차순으로 선택할 수 있으며 기본적으로 true입니다；false로 설정된 경우 데이터를 역순으로 정렬하고 큰 값은 작은 순위로 배치됩니다.

Rank는 method 파라미터를 사용할 수 있습니다:

average − 병렬 그룹의 평균 등급. min − 그룹에서 가장 낮은 순위. max − 그룹에서 가장 높은 등급. first − 행 열이 등장하는 배열의 순서로 배치됩니다.