Python Pandas - 统计函数

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应用于 Pandas 对象的统计函数。


百分比变化

Series、DatFrames 和 Panel,都具有 pct_change() 函数。 此函数将每个元素与其前一个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()

它的输出如下 −

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() 对列进行操作; 如果您想明智地应用相同的行,请使用 axis=1() 参数。


协方差

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

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)

它的输出如下 −

-0.12978405324

应用于 DataFrame 时的协方差方法,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()

它的输出如下 −

-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

注意 − 观察第一个语句中ab列之间的cov,与DataFrame上cov返回的值相同。


相关性

相关性显示任意两个值数组(系列)之间的线性关系。 有多种方法可以计算相关性,例如 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()

它的输出如下 −

-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

If any non-numeric column is present in the DataFrame, it is excluded automatically.


数据排名

数据排名为元素数组中的每个元素生成排名。 在平局的情况下,分配平均排名。

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()

它的输出如下 −

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

Rank 可选地采用参数升序,默认为 true; 当为 false 时,数据被反向排列,较大的值分配较小的等级。

Rank支持不同的平手方法,用method参数指定 −

  • average − 并列组的平均排名

  • min − 组中排名最低的

  • max − 组中排名最高的

  • first − 按它们在数组中出现的顺序分配的等级