pandas 學習 第11篇：DataFrame-數據處理（分組、聚合、窗口、相關、統計）

數據處理的目的是爲了數據分析，下面分享經常使用的數據分析中會用到的函數。

一，分組和聚合

 groupby用於對數據分組，分組以後能夠直接調用聚合函數求值；agg()函數把分組和調用聚合函數集成到一個函數來實現：

DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)
DataFrame.agg(self, func, axis=0, *args, **kwargs)

二，窗口

rolling()是指按照窗口滾動求值，expanding()是指依次遞增1，計算累加；ewm指的是指數加權滾動平均：

DataFrame.rolling(self, window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
DataFrame.expanding(self, min_periods=1, center=False, axis=0)
DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)

詳細信息，能夠參考：pandas 學習 第4篇：序列的處理（應用、聚合、轉換、映射、分組、滾動、擴展、指數加權移動平均）

三，相關

計算兩對列值之間的相關性：

DataFrame.corr(self, method='pearson', min_periods=1)

method：計算相關性的方法，有效值是 ‘pearson’, ‘kendall’, ‘spearman’ 或 callable

min_periods：每對列必須具備有效結果的最小觀察數量，目前只適用於：Pearson 和 Spearman相關性。

四，統計函數

經常使用的統計函數：

• min、max：最小值、最大值
• mode：衆數
• var：方差
• std：標準差
• sum：累加和
• mean：均值
• mad：絕對值的均值
• median：中位數
• quantile：百分位數
• count：計數
• cumsum：累加求和
• cumprod：累積乘積
• cummin、cummax：累積最小值、累積最大值

 

參考文檔：

pandas DataFrame