Python Pandas模塊實現(xiàn)數據的統(tǒng)計分析的方法
Python中的groupby函數,它主要的作用是進行數據的分組以及分組之后的組內的運算,也可以用來探索各組之間的關系,首先我們導入我們需要用到的模塊
import pandas as pd
首先導入我們所需要用到的數據集
customer = pd.read_csv('Churn_Modelling.csv')marketing = pd.read_csv('DirectMarketing.csv')
我們先從一個簡單的例子著手來看,
customer[[’Geography’,’Gender’,’EstimatedSalary’]].groupby([’Geography’,’Gender’]).mean()
從上面的結果可以得知,在“法國”這一類當中的“女性(Female)”這一類的預估工資的平均值達到了99564歐元,“男性”達到了100174歐元
當然除了求平均數之外,我們還有其他的統(tǒng)計方式,比如“count”、“min”、“max”等等,例如下面的代碼
customer[[’Geography’,’Gender’,’EstimatedSalary’]].groupby([’Geography’,’Gender’]).agg([’mean’,’count’,’max’])
當然我們也可以對不同的列采取不同的統(tǒng)計方式方法,例如
customer[[’Geography’,’EstimatedSalary’,’Balance’]].groupby(’Geography’).agg({’EstimatedSalary’:’sum’, ’Balance’:’mean’})
我們對“EstimatedSalary”這一列做了加總的操作,而對“Balance”這一列做了求平均值的操作
二、Crosstab函數在處理數據時,經常需要對數據分組計算均值或者計數,在Microsoft Excel中,可以通過透視表輕易實現(xiàn)簡單的分組運算。而對于更加復雜的分組計算,“Pandas”模塊中的“Crosstab”函數也能夠幫助我們實現(xiàn)。
例如我們想要計算不同年齡階段、不同性別的平均工資,同時保留一位小數,代碼如下
pd.crosstab(index=marketing.Age, columns=marketing.Gender, values=marketing.Salary, aggfunc=’mean’).round(1)
當然我們還可以用該函數來制作一個更加復雜一點的透視表,例如下面的代碼
pd.crosstab(index=[marketing.Age, marketing.Married], columns=marketing.Gender,values=marketing.Salary, aggfunc=’mean’, margins=True).round(1)
和上面的“Cross_tab”函數的功能相類似,對于數據透視表而言,由于它的靈活性高,可以隨意定制你的分析計算要求,而且操作性強,因此在實際的工作生活當中被廣泛使用,
例如下面的代碼,參數“margins”對應表格當中的“All”這一列
pd.pivot_table(data=marketing, index=[’Age’, ’Married’], columns=’Gender’, values=’Salary’, aggfunc=’mean’, margins=True).round(1)
“Sidetable”可以被理解為是“Pandas”模塊中的第三方的插件,它集合了制作透視表以及對數據集做統(tǒng)計分析等功能,讓我們來實際操作一下吧
首先我們要下載安裝這個“Sidetable”組件,
pip install sidetable五、Freq函數
首先介紹的是“Sidetable”插件當中的“Freq”函數,里面包含了離散值每個類型的數量,其中是有百分比形式來呈現(xiàn)以及數字的形式來呈現(xiàn),還有離散值每個類型的累加總和的呈現(xiàn),具體大家看下面的代碼和例子
import sidetablemarketing.stb.freq([’Age’])
“Age”這一列有三大類分別是“Middle”、“Young”以及“Old”的數據,例如我們看到表格當中的“Middle”這一列的數量有508個,占比有50.8%
marketing.stb.freq([’Age’], value=’AmountSpent’)
例如上面的代碼,顯示的則是比方說當“Age”是“Middle”的時候,也就是中年群體,“AmountSpent”的總和,也就是花費的總和是762859元
六、Missing函數“Sidetable”函數當中的“Missing”方法顧名思義就是返回缺失值的數量以及百分比,例如下面的代碼,“History”這一列的缺失值占到了30.3%
marketing.stb.missing()
“Sidetable”函數當中的“counts”方法用來計算各個類型的離散值出現(xiàn)的數量,具體看下面的例子
marketing.stb.counts()
例如“Gender”這一列中,總共有兩個,也就是“unique”這一列所代表的值,其中“Female”占到的比重更大,有506個,而“Male”占到的比重更小一些,有494個
到此這篇關于Python Pandas模塊實現(xiàn)數據的統(tǒng)計分析的方法的文章就介紹到這了,更多相關Pandas模塊實現(xiàn)數據的統(tǒng)計分析內容請搜索好吧啦網以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網!
相關文章:
1. Java8內存模型PermGen Metaspace實例解析2. python excel和yaml文件的讀取封裝3. python如何實現(xiàn)word批量轉HTML4. python3實現(xiàn)往mysql中插入datetime類型的數據5. moment轉化時間戳出現(xiàn)Invalid Date的問題及解決6. python爬蟲實戰(zhàn)之制作屬于自己的一個IP代理模塊7. App啟動優(yōu)化-Android性能優(yōu)化8. 詳解docker pull 下來的鏡像都存到了哪里9. Docker鏡像管理常用操作代碼示例10. python編寫實現(xiàn)抽獎器
