Python Pandas 简明教程

Python Pandas - Statistical Functions

统计方法有助于理解和分析数据的行为。我们现在将学习一些可以在 Pandas 对象上应用的统计函数。

Percent_change

Series、DatFrames 和 Panel 都具有函数 pct_change() 。此函数将每个元素与其之前的元素进行比较并计算变化百分比。

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()

它的 output 如下所示 −

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() 在列上运行；如果你想应用同一行，则使用 axis=1() 参数。

Covariance

协方差应用于序列数据。Series 对象有一个方法 cov 来计算序列对象之间的协方差。NA 将自动排除。

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)

它的 output 如下所示 −

-0.12978405324

协方差方法在应用于 DataFrame 时，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()

它的 output 如下所示 −

-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

Note − 观察第一条语句中 a 和 b 的 cov ，DataFrame 上的 cov 返回的值也相同。

Correlation

相关性显示任何两个值数组（序列）之间的线性关系。有多种计算相关性的方法，如 pearson（默认）、spearman 和 kendall。

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()

它的 output 如下所示 −

-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

如果 DataFrame 中存在任何非数字列，则会自动将其排除。

Data Ranking

数据排序为数组中的每个元素产生排序。在存在并列的情况下，分配平均等级。

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()

它的 output 如下所示 −

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

Rank 可选地采用 ascending 参数，该参数的默认值为 true；为 false 时，数据将以逆序排名，并将较大的值分配给较小的排名。

Rank 支持不同的平局打破方法，通过 method 参数指定−

  1. average − 平局组的平均排名

  2. min − 组中最低的排名

  3. max − 组中最高的排名

  4. first − 以它们在数组中出现的顺序分配等级