有很多方法用來集體計算DataFrame的描述性統計資訊和其他相關操作。 其中大多數是sum()，mean()等聚合函數，但其中一些，如sumsum()，產生一個相同大小的對象。 一般來說，這些方法採用軸參數，就像ndarray.{sum，std，...}，但軸可以通過名稱或整數來指定：
- 數據幀(DataFrame) - “index”(axis=0，默認)，columns(axis=1)
下麵創建一個數據幀(DataFrame)，並使用此對象進行演示本章中所有操作。
示例
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df
執行上面示例代碼，得到以下結果 -
Age Name Rating
0 25 Tom 4.23
1 26 James 3.24
2 25 Ricky 3.98
3 23 Vin 2.56
4 30 Steve 3.20
5 29 Minsu 4.60
6 23 Jack 3.80
7 34 Lee 3.78
8 40 David 2.98
9 30 Gasper 4.80
10 51 Betina 4.10
11 46 Andres 3.65
sum()方法
返回所請求軸的值的總和。 默認情況下，軸為索引(axis=0)。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.sum()
執行上面示例代碼，得到以下結果 -
Age 382
Name TomJamesRickyVinSteveMinsuJackLeeDavidGasperBe...
Rating 44.92
dtype: object
每個單獨的列單獨添加(附加字串)。
axis=1示例
此語法將給出如下所示的輸出，參考以下示例代碼 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.sum(1)
執行上面示例代碼，得到以下結果 -
0 29.23
1 29.24
2 28.98
3 25.56
4 33.20
5 33.60
6 26.80
7 37.78
8 42.98
9 34.80
10 55.10
11 49.65
dtype: float64
mean()示例
返回平均值，參考以下示例代碼 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.mean()
執行上面示例代碼，得到以下結果 -
Age 31.833333
Rating 3.743333
dtype: float64
std()示例
返回數字列的Bressel標準偏差。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.std()
執行上面示例代碼，得到以下結果 -
Age 9.232682
Rating 0.661628
dtype: float64
函數和說明
下麵來瞭解Python Pandas中描述性統計資訊的函數，下表列出了重要函數 -
| 編號 | 函數 | 描述 |
|---|---|---|
| 1 | count() |
非空觀測數量 |
| 2 | sum() |
所有值之和 |
| 3 | mean() |
所有值的平均值 |
| 4 | median() |
所有值的中位數 |
| 5 | mode() |
值的模值 |
| 6 | std() |
值的標準偏差 |
| 7 | min() |
所有值中的最小值 |
| 8 | max() |
所有值中的最大值 |
| 9 | abs() |
絕對值 |
| 10 | prod() |
數組元素的乘積 |
| 11 | cumsum() |
累計總和 |
| 12 | cumprod() |
累計乘積 |
注 - 由於DataFrame是異構數據結構。通用操作不適用於所有函數。
- 類似於：
sum()，cumsum()函數能與數字和字元(或)字串數據元素一起工作，不會產生任何錯誤。字元聚合從來都比較少被使用，雖然這些函數不會引發任何異常。 - 由於這樣的操作無法執行，因此，當DataFrame包含字元或字串數據時，像
abs()，cumprod()這樣的函數會拋出異常。
匯總數據
describe()函數是用來計算有關DataFrame列的統計資訊的摘要。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.describe()
執行上面示例代碼，得到以下結果 -
Age Rating
count 12.000000 12.000000
mean 31.833333 3.743333
std 9.232682 0.661628
min 23.000000 2.560000
25% 25.000000 3.230000
50% 29.500000 3.790000
75% 35.500000 4.132500
max 51.000000 4.800000
該函數給出了平均值，標準差和IQR值。 而且，函數排除字元列，並給出關於數字列的摘要。 include是用於傳遞關於什麼列需要考慮用於總結的必要資訊的參數。獲取值列表; 默認情況下是”數字值”。
object- 匯總字串列number- 匯總數字列all- 將所有列匯總在一起(不應將其作為列表值傳遞)
現在，在程式中使用以下語句並檢查輸出 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df.describe(include=['object'])
執行上面示例代碼，得到以下結果 -
Name
count 12
unique 12
top Ricky
freq 1
現在，使用以下語句並查看輸出 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack',
'Lee','David','Gasper','Betina','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 df. describe(include='all')
執行上面示例代碼，得到以下結果 -
Age Name Rating
count 12.000000 12 12.000000
unique NaN 12 NaN
top NaN Ricky NaN
freq NaN 1 NaN
mean 31.833333 NaN 3.743333
std 9.232682 NaN 0.661628
min 23.000000 NaN 2.560000
25% 25.000000 NaN 3.230000
50% 29.500000 NaN 3.790000
75% 35.500000 NaN 4.132500
max 51.000000 NaN 4.800000
上一篇：
Pandas基本功能
下一篇：
Pandas函數應用