学习笔记，这个笔记以例子为主。
开发工具：Spyder


文章目录

numpy描述性统计

数值型数据的描述性统计，主要包括了计算数值型数据的完整情况、最小值、均值、中位数、最大值、四分位数、极差、标准差、方差、协方差等。

在numpy库中提供了描述性统计的相关函数：

np.min()    #最小值 
np.max()    #最大值 
np.mean()   #均值 
np.ptp()    #极差 
np.median() #中位数 
np.std()    #标准差 
np.var()    #方差 
np.cov()    #协方差矩阵
  • 例子

代码：

import numpy as np

datas = np.array([1, 2, 3, 4, 5, 6])
datas2 = np.array([4, 6, 7, 7, 8, 7])

print('最小值:', np.min(datas))
print('最大值:', np.max(datas))
print('均值:', np.mean(datas))
print('极差:', np.ptp(datas))
print('中位数:', np.median(datas))
print('标准差:', np.std(datas))
print('方差:', np.var(datas))
print('协方差矩阵:', np.cov(datas, datas2))

结果：

最小值: 1
最大值: 6
均值: 3.5
极差: 5
中位数: 3.5
标准差: 1.70782512766
方差: 2.91666666667
协方差 [[ 3.5  2.1]
 [ 2.1  1.9]]

Pandas描述性统计

Pandas也提供了描述性统计的相关函数：

1

​​count()​​

非空观测数量

2

​​sum()​​

所有值之和

3

​​mean()​​

所有值的平均值

4

​​median()​​

所有值的中位数

5

​​std()​​

值的标准偏差

6

​​min()​​

所有值中的最小值

7

​​max()​​

所有值中的最大值

8

​​abs()​​

绝对值

9

​​prod()​​

数组元素的乘积

10

​​cumsum()​​

累计总和

11

​​cumprod()​​

累计乘积

pandas还提供了一个describe()方法，能够一次性得出数据框所有数值型特征的非空值数目、均值、标准差等。

  • 例子

代码：

import pandas as pd

data = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee'],
        'age':[9, 19, 12, 15, 30],
        'weight':[8, 4, 5, 6, 10],
        'hight':[20, 35, 30, 33, 40]}

df = pd.DataFrame(data, 
                  index = ['a1', 'a2', 'a3', 'a4', 'a5'])

print(df.sum())
print('-'*15)
print(df.sum(1))
print('-'*15)
print(df.mean())
print('-'*15)
print(df.min())
print('-'*15)
print(df.max())
print('-'*15)
print(df.median())
print('-'*15)
print(df.prod())
print('-'*15)
print(df.cumsum())
print('-'*15)
print(df[['age', 'weight', 'hight']].cumprod())

结果：

age                       85
hight                    158
name      AdaTomBlackJackLee
weight                    33
dtype: object
---------------
a1    37
a2    58
a3    47
a4    54
a5    80
dtype: int64
---------------
age       17.0
hight     31.6
weight     6.6
dtype: float64
---------------
age         9
hight      20
name      Ada
weight      4
dtype: object
---------------
age        30
hight      40
name      Tom
weight     10
dtype: object
---------------
age       15.0
hight     33.0
weight     6.0
dtype: float64
---------------
age         923400
hight     27720000
weight        9600
dtype: int64
---------------
   age hight                name weight
a1   9    20                 Ada      8
a2  28    55              AdaTom     12
a3  40    85         AdaTomBlack     17
a4  55   118     AdaTomBlackJack     23
a5  85   158  AdaTomBlackJackLee     33
---------------
       age  weight     hight
a1       9       8        20
a2     171      32       700
a3    2052     160     21000
a4   30780     960    693000
a5  923400    9600  27720000

备注：如果对整个df数据框进行累乘操作，则会报错【​​TypeError: can't multiply sequence by non-int of type 'str'​​】，这是因为name为字符串类型，不能累乘。所以我们在做累乘操作时，应该去除name列，只留下age,weight,height列。