Python Data Science 简明教程

Python - Measuring Central Tendency

数学上的中心趋势意味着测量数据集中值的位置中心或分布中心。它给出了数据集中数据的平均值的大概情况，也给出了数据集中值分散程度的指示信息。这反过来有助于评估新输入数据适合现有数据集的可能性，从而确定成功的概率。

有三种主要的中心趋势度量，可以使用 pandas python 库中的方法计算出来。

平均值——它是数据的平均值，是值之和除以值的数量。
中位数——当值按升序或降序排列时，它是分布中的中间值。
众数——它是分布中出现次数最多的值。

Calculating Mean and Median

pandas 函数可以直接用来计算这些值。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

#Create a DataFrame
df = pd.DataFrame(d)
print "Mean Values in the Distribution"
print df.mean()
print "*******************************"
print "Median Values in the Distribution"
print df.median()

它的 output 如下所示 −

Mean Values in the Distribution
Age       31.833333
Rating     3.743333
dtype: float64
*******************************
Median Values in the Distribution
Age       29.50
Rating     3.79
dtype: float64

Calculating Mode

根据数据是连续的还是存在最高出现频率的值来确定众数在分布中是否存在。我们在下面采用一个简单的分布来找出众数。此处我们有一个在分布中出现频率最高的值。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,25,23,34,40,30,25,46])}
#Create a DataFrame
df = pd.DataFrame(d)

print df.mode()

它的 output 如下所示 −

     Age      Name
0   25.0    Andres
1    NaN  Chanchal
2    NaN    Gasper
3    NaN      Jack
4    NaN     James
5    NaN       Lee
6    NaN    Naviya
7    NaN     Ricky
8    NaN     Smith
9    NaN     Steve
10   NaN       Tom
11   NaN       Vin