數據分析-03數據分析

數據分析：　

　　1.基本統計：describe()

　　　　經常使用的統計函數：　　

　　　　　　size：計數

　　　　　　sum：求和

　　　　　　mean：均值

　　　　　　var：方差

　　　　　　std：標準差

　　

　　2.分組分析：groupby()

　　　　groupby(by=[分組列1，分組列2....])[統計列1，統計列2,...].agg({統計列別名1:統計函數;統計列別名2:統計函數,...})

　　　　參數說明：

　　　　　　by：用於分組的列

　　　　　　中括號：用於統計的列

　　　　　　agg：統計別名顯示統計值的名稱

 

　　3.分佈分析：

 

　　4.交叉分析：pivot_table(values,index,columns,aggfunc,fill_value)

　　　　參數說明：

　　　　　　values：數據透視表中的值

　　　　　　index：數據透視表中的行

　　　　　　columns：數據透視表中的列

　　　　　　aggfunc：統計函數

　　　　　　fill_value：NA值的統一替換

 

　　5.結構分析：axis參數說明

　　　　　0按列運算，1按行運算

　　　　　　數據框的外運算函數：add，sub，multiply，div  --->加減乘除

　　　　　　數據框的內運算函數：sum,mean,var,sd　---->求和，均值，方差，標準差

　　　　　　　　　　　　

　　6.相關分析：

　　　　0 - 0.3 低度相關

　　　　0.3 - 0.8 中度相關

　　　　0.8 - 1 高度相關

　　　　相關分析函數：DataFrame.corr()

　　　　　　　　　　　Series.corr(other)

　　　　若是由數據框調用corr方法，那麼將計算每一個列兩兩之間的類似度

　　　　例如：data['身高'].corr(data['體重'])

　　　　若是由序列調用corr方法，那麼只是計算該序列與傳入的序列之間的相關度

　　　　data.loc選擇多列

　　　　例如：data.loc[:,[‘身高’，‘體重’，‘學歷’]],corr()

 

2019.10.22補：　　　　

 　　df.head() 默認輸出以後的五行，也能夠在括號裏面添加你想要輸出的數據行。

　　df.info() 輸出顯示文件信息，查看數據類型，判斷是否有空值等