接下来说说数据统计部分,这里主要介绍数据采样,标准差,协方差和相关系数的使用方法。 1、数据采样 Excel 的数据分析功能中提供了数据抽样的功能,如下图所示。Python 通过 sample 函数完成数据采样。 2、数据抽样 Sample 是进行数据采样的函数,设置 n 的数量就可以了。函数自动返回参与的结果。 1#简单的数据采样 2df_inner.sample(n=3) 3、简单随机采样 Weights 参数是采样的权重,通过设置不同的权重可以更改采样的结果,权重高的数据将更有希望被选中。这里手动设置 6 条数据的权重值。将前面 4 个设置为 0,后面两个分别设置为 0.5。 1 #手动设置采样权重 2 weights = [0, 0, 0, 0, 0.5, 0.5] 3 df_inner.sample(n=2, weights=weights) 手动设置采样权重1:从采样结果中可以看出,后两条权重高的数据被选中。 手动设置采样权重2:Sample 函数中还有一个参数 replace,用来设置采样后是否放回。 1 #采样后不放回 2 df_inner.sample(n=6, replace=False) 4、描述统计 Excel 中的数据分析中提供了描述统计的功能。Python 中可以通过 Describe 对数据进行描述统计。 Describe 函数是进行描述统计的函数,自动生成数据的数量,均值,标准差等数据。下面的代码中对数据表进行描述统计,并使用 round 函数设置结果显示的小数位。并对结果数据进行转置。 1#数据表描述性统计 2df_inner.describe().round(2).T 5、标准差 Python 中的 Std 函数用来接算特定数据列的标准差。 1 #标准差 2 df_inner['price'].std() 3 1523.3516556155596 6、协方差 Excel 中的数据分析功能中提供协方差的计算,python 中通过 cov 函数计算两个字段或数据表中各字段间的协方差。 Cov 函数用来计算两个字段间的协方差,可以只对特定字段进行计算,也可以对整个数据表中各个列之间进行计算。 1#两个字段间的协方差 2df_inner['price'].cov(df_inner['m-point']) 317263.200000000001 7、相关分析 Excel 的数据分析功能中提供了相关系数的计算功能,python 中则通过 corr 函数完成相关分析的操作,并返回相关系数。 1)相关系数 Corr 函数用来计算数据间的相关系数,可以单独对特定数据进行计算,也可以对整个数据表中各个列进行计算。相关系数在-1 到 1 之间,接近 1 为正相关,接近-1 为负相关,0 为不相关。 1 #相关性分析 2 df_inner['price'].corr(df_inner['m-point']) 3 0.77466555617085264 8、数据输出 第九部分是数据输出,处理和分析完的数据可以输出为 xlsx 格式和 csv 格式。 1)写入 excel 1#输出到 excel 格式 2df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc') 2)写入CVS 1 #输出到 CSV 格式 2 df_inner.to_csv('excel_to_python.csv') 在数据处理的过程中,大部分基础工作是重复和机械的,对于这部分基础工作,我们可以使用自定义函数进行自动化。以下简单介绍对数据表信息获取自动化处理。 1 #创建数据表 2 df = pd.DataFrame({'id':[1001,1002,1003,1004,1005,1006], 3'date':pd.date_range('20130102', periods=6), 4'city':['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], 5 'age':[23,44,54,32,34,32], 6 'category':['100-A','100-B','110-A','110-C','210-A','130-F'], 7 'price':[1200,np.nan,2133,5433,np.nan,4432]}, 8 columns =['id','date','city','category','age','price']) 9 10 #创建自定义函数 11 def table_info(x): 12 shape=x.shape 13 types=x.dtypes 14 colums=x.columns 15 print('数据维度(行,列):\n',shape) 16 print('数据格式:\n',types) 17 print('列名称:\n',colums) 18 19 #调用自定义函数获取 df 数据表信息并输出结果 20 table_info(df) 21 22 数据维度(行,列): 23 (6, 6) 24 数据格式: 25 id int64 26 date datetime64[ns] 27 city object 28 category object 29 age int64 30 price float64 31 dtype: object 32 列名称: 33 Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object') 以上就是如何用Python做数据统计的全部内容了,感兴趣的小伙伴下方留言区留言。 文章来源:网络 版权归原作者所有 上文内容不用于商业目的,如涉及知识产权问题,请权利人联系小编,我们将立即处理 |
|