Python 优点 统计分析 python做统计分析

文章目录

• 一、基本统计分析
• 二、分组分析
• 三、分布分析
• 四、交叉分析

• 综合练习

代码环境基于Jupyter Notebook

一、基本统计分析

参数一览：
size：注意不需要括号
count()：计数
sum()：求和
mean()：求均值
var()：求方差
std()：求标准差
max()：求最大值
min()：求最小值
median()：中位数
mode()：众数
decribe( )：默认会自动对数值型特征的数据进行统计

from pandas import read_excel
df=read_excel(r'C:\Users\彦哥\Desktop\i_nuc.xls','Sheet7')
df

#对数据作count（计数）,mean（平均）,std（标准差）,min（最小值）,25%,50%,75%,max（最大值）分析
df.describe()
#对数分取30%，50%，60%位置的数值
df['数分'].describe(percentiles=[0.3,0.5,0.6])

二、分组分析

import numpy as np
#对军训列先按班级分组，再按性别分组，计算和、大小、平均值、方差、标准差、最大值和最小值

#方法一（推荐）
df1=df.groupby(by=['班级','性别'])['军训'].agg(['sum','size','mean','var','std','max','min'])
df1.rename(columns={'sum':'总分','size':'人数','mean':'平均分','var':'方差','std':'标准差','max':'最大值','min':'最小值'},inplace=True)
df1
#方法二
df.groupby(by=['班级','性别'])['军训'].agg({
    '总分':np.sum,'人数':np.size,'平均分':np.mean,'方差':np.var,'标准差':np.std,'最大值':np.max,'最小值':np.min
})

三、分布分析

分布分析是指根据分析的目的，将数据（定量数据）进行等距或不等距的分组，研究各组分布规律的一种分析方法。

#将各科分数相加
df['总分']=df['英语']+df['体育']+df['军训']+df['数分']+df['高代']+df['解几']
#将总分分为三个层次并用其替换分数
df['总分分层']=pd.cut(df['总分'], [0,400,450,500], labels=["400及以下","400-450","450以上"], include_lowest=True, right=False)
df

四、交叉分析

交叉分析通常用于分析两个或者两个以上分组变量之间的关系，以交叉表形式进行变量间关系的对比分析。

参数一览：
values:数据透视表中的值
index：数据透视表中的行
columns：数据透视表中的列
aggfunc：统计函数
fill_value:NA值的统一替换

#按照总分三个层次和性别作为分类依据，分别作count,sum,mean计算
df.pivot_table(index=['总分分层'],# 行
               columns=['性别'],# 列
               values=['总分'],# 计算用的值
               aggfunc=['count', 'sum', 'mean'])# 采用的函数

综合练习

1.请读入“素材”文件夹中的“i_nuc.xls”文件中的Sheet7工作表存入数据框df，并查看其前5行数据。

import pandas as pd
from pandas import read_excel
df=read_excel(r'C:\Users\彦哥\Desktop\i_nuc.xls','Sheet7')
df.loc[0:4]

2. 对df做描述性统计：
   （1）求df中各科成绩的人数、均值、标准差、最大值、最小值以及分位数（1/4,1/2,3/4）存入数据框df1,并查看df1的数据。

df1=df.describe()
df1

（2）将df中的军训成绩先按照班级，再按性别统计其总分、人数、平均值、方差、标准差、最高分、最低分存入数据框df2，并查看df2的数据。

df2=df.groupby(by=['班级','性别'])['军训'].agg(['sum','size','mean','var','std','max','min'])
df2

3.数据透视
（1）计算df中各科成绩的和，并添加到“总分”列，并查看df最后5行的数据。

df['总分']=df['英语']+df['体育']+df['军训']+df['数分']+df['高代']+df['解几']
df.loc[15:20]

（2）将总分按照区间[0,400,450,600]划分三个类别“一般”、“较好”、“优秀”，并添加到“类别”列，并查看df行标签为6-10（含边界值）的5行数据。

df['类别']=pd.cut(df['总分'], [0,400,450,600], labels=["一般","较好","优秀"], include_lowest=True, right=False)
df.loc[6:10]

（3）对经过（2）处理的df建立如下图所示的数据透视效果。

df.pivot_table(index=['类别'], columns=['性别'], values=['总分'], aggfunc=['count', 'mean'])