作者 | CDA数据分析师 进行到这一步就可以算是开始正式的烹饪了,在这部分之前的数据操作部分我们列举了一些不同维度的分析指标,这一章我们主要看看这些指标都是怎么计算出来的。 一、算术运算算术运算就是基本的加减乘除,在Excel或者Python中数值类型的任意两列可以直接进行加、减、乘、除运算,Excel中的算术运算比较简单,这里就不展开了,下面主要介绍Python中的算术运算。 两列相加的具体实现如下图所示: 两列相减的具体实现如下图所示: 两列相乘的具体实现如下图所示: 两列相除的具体实现如下图所示: 任意一列加/减一个常数值,这一列中的所有值都加/减这个常数值,具体实现如下图所示: 任意一列乘/除一个常数值,这一列中的所有值都乘/除这个常数值,具体实现如下图所示: 二、比较运算比较运算和Python基础知识中讲到的比较运算一致,也是常规的大于、等于、小于之类的,只不过这里的比较是在列与列之间进行的。 在Excel中列与列之间的比较运算和Python中的方法一致,例子如下图所示。 下面是一些Python中列与列之间比较的例子。 三、汇总运算上面讲到的算术运算和比较运算都是在列与列之间进行的,运算结果是有多少行的值就会返回多少个结果,而汇总运算是将数据进行汇总返回一个汇总以后的结果值。 1、count非空值计数 非空值计数就是计算某一个区域中非空(单元格)数值的个数。 在Excel中counta()函数用于计算某个区域中非空单元格的个数。与counta()函数类似的一个函数是count()函数,它用于计算某个区域中含有数字的单元格的个数。 在 Python 中,直接在整个数据表上调用 count()函数,返回的结果为该数据表中每列的非空值的个数,具体实现如下所示。 count()函数默认是求取每一列的非空数值的个数,可以通过修改axis参数让其等于1,来求取每一行的非空数值的个数。 也可以把某一列或者某一行索引出来,单独查看这一列或这一行的非空值个数。 2、sum求和 求和就是对某一区域中的所有数值进行加和操作。 在 Excel 中要求取某一区域的和,直接在 sum()函数后面的括号中指明要求和的区域,即要对哪些值进行求和操作即可。例子如下所示。 在Python中,直接在整个数据表上调用sum()函数,返回的是该数据表每一列的求和结果,例子如下所示。 sum()函数默认对每一列进行求和,可通过修改axis参数,让其等于1,来对每一行的数值进行求和操作。 也可以把某一列或者某一行索引出来,单独对这一列或这一行数据进行求和操作。 3、 mean求均值 求均值是针对某一区域中的所有值进行求算术平均值运算。均值是用来衡量数据一般情况的指标,容易受到极大值、极小值的影响。 在Excel中对某个区域内的值进行求平均值运算,用的是average()函数,只要在average()函数中指明要求均值运算的区域即可,比如: 在Python中的求均值利用的是mean()函数,如果对整个表直接调用mean()函数,返回的是该表中每一列的均值。 mean()函数默认是对数据表中的每一列进行求均值运算,可通过修改 axis 参数,让其等于1,来对每一行进行求均值运算。 也可以把某一列或者某一行通过索引的方式取出来,然后在这一行或这一列上调用mean()函数,单独求取这一行或这一列的均值。 4、 max求最大值 求最大值就是比较一组数据中所有数值的大小,然后返回最大的一个值。 在Excel和Python中,求最大值使用的都是max()函数,在Excel中同样只需要在max()函数中指明要求最大值的区域即可;在Python中,和其他函数一样,如果对整个表直接调用max()函数,则返回该数据表中每一列的最大值。max()函数也可以对每一行求最大值,还可以单独对某一行或某一列求最大值。 5、min求最小值 求最小值与求最大值是相对应的,通过比较一组数据中所有数值的大小,然后返回最小的那个值。 在Excel和Python中都使用min()函数来求最小值,它的使用方法与求最大值的类似,这里不再赘述。示例代码如下。 6、 median求中位数 中位数就是将一组含有n个数据的序列X按从小到大排列,位于中间位置的那个数。 中位数是以中间位置的数来反映数据的一般情况,不容易受到极大值、极小值的影响,因而在反映数据分布情况上要比平均值更有代表性。 现有序列为X:{X1、X2、X3、......、Xn}。 如果n为奇数,则中位数: 如果n为偶数,则中位数: 例如,1、3、5、7、9的中位数为5,而1、3、5、7的中位数为(3+5)/2=4。 在Excel和Python中求一组数据的中位数,都是使用median()函数来实现的。 下面为在Excel中求中位数的示例: 在Python中,median()函数的使用原则和其他函数的一致。 7、mode求众数 顾名思义,众数就是一组数据中出现次数最多的数,求众数就是返回这组数据中出现次数最多的那个数。 在Excel和Python中求众数都使用mode()函数,使用原则与其他函数完全一致。 在Excel中求众数的示例如下: 在Python中求众数的示例如下: 8、var求方差 方差是用来衡量一组数据的离散程度(即数据波动幅度)的。 在Excel和Python中求一组数据中的方差都使用var()函数。 下面为在Excel中求方差的示例: 在Python中,var()函数的使用原则和其他函数的一致。 9、std求标准差 标准差是方差的平方根,二者都是用来表示数据的离散程度的。 在Excel中计算标准差使用的是stdevp()函数,示例如下: 在Python中计算标准差使用的是std()函数,std()函数的使用原则与其他函数的一致,示例如下: 10、quantile求分位数 分位数是比中位数更加详细的基于位置的指标,分位数主要有四分之一分位数、四分之二分位数、四分之三分位数,而四分之二分位数就是中位数。 在Excel中求分位数用的是percentile()函数,示例如下: 在Python中求分位数用的是quantile()函数,要在quantile后的括号中指明要求取的分位数值,quantile()函数与其他函数的使用规则相同。 四、相关性运算相关性常用来衡量两个事物之间的相关程度,比如我们前面举的例子:啤酒与尿布二者的相关性很强。我们一般用相关系数来衡量两者的相关程度,所以相关性计算其实就是计算相关系数,比较常用的是皮尔逊相关系数。 在Excel中求取相关系数用的是correl()函数,示例如下: 在Python中求取相关系数用的是corr()函数,示例如下: 还可以利用 corr()函数求取整个 DataFrame 表中各字段两两之间的相关性,示例如下: |
|
来自: CDA数据分析师 > 《数据分析·Python编程·可视化》