Pandas | 14 統計函數

統計方法有助於理解和分析數據的行爲。能夠將這些統計函數應用到Pandas的對象上。

pct_change()函數

系列，DatFrames和Panel都有pct_change()函數。此函數將每一個元素與其前一個元素進行比較，並計算變化百分比。

import pandas as pd
import numpy as np

s = pd.Series([1,2,3,4,5])
print(s)
print (s.pct_change())
print('\n')

df = pd.DataFrame(np.random.randn(5, 2))
print(df)
print (df.pct_change())

輸出結果：

0    1
1    2
2    3
3    4
4    5
dtype: int64
0         NaN
1    1.000000
2    0.500000
3    0.333333
4    0.250000
dtype: float64


          0         1
0  1.055808  1.351057
1  1.458762  0.229309
2  0.392842 -0.043268
3  0.700352  0.884258
4  0.120823 -0.329024
          0          1
0       NaN        NaN
1  0.381654  -0.830274
2 -0.730702  -1.188686
3  0.782782 -21.436989
4 -0.827482  -1.372090

 

默認狀況下，pct_change()對列進行操做; 若是想應用到行上，那麼可以使用axis = 1參數。

協方差

協方差適用於系列數據。Series對象有一個方法cov用來計算序列對象之間的協方差。NA將被自動排除。

Cov系列示例

import pandas as pd
import numpy as np

s1 = pd.Series(np.random.randn(10))
s2 = pd.Series(np.random.randn(10))
print (s1.cov(s2))

輸出結果：

0.0667296739178 

 

當應用於DataFrame時，協方差方法計算全部列之間的協方差(cov)值。

import pandas as pd
import numpy as np

frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
print (frame['a'].cov(frame['b']))
print (frame.cov())

輸出結果：

-0.406796939839 a b c d e a 0.784886 -0.406797 0.181312 0.513549 -0.597385 b -0.406797 0.987106 -0.662898 -0.492781 0.388693 c 0.181312 -0.662898 1.450012 0.484724 -0.476961 d 0.513549 -0.492781 0.484724 1.571194 -0.365274 e -0.597385 0.388693 -0.476961 -0.365274 0.785044

 

注 - 觀察第一個語句中a和b列之間的cov結果值，與由DataFrame上的cov返回的值相同。

相關性

相關性顯示了任何兩個數值(系列)之間的線性關係。有多種方法來計算pearson(默認)，spearman和kendall之間的相關性。

import pandas as pd
import numpy as np

frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
print(frame)
print('\n')

print (frame.corr())
print('\n')

print (frame['a'].corr(frame['b']))

輸出結果：

          a         b         c         d         e
0 -1.101841 -0.074431  0.339134  1.259472 -0.371068
1  0.360877  0.604059  0.276935 -2.151471 -0.172715
2 -0.194507 -1.678110 -1.276085  0.810856 -0.056959
3  0.937636  1.128184  0.284501 -0.455708  0.913037
4 -0.316602  1.252087 -1.790787 -0.103062  0.096654
5  0.796188 -0.771702 -0.921695 -0.403666  0.848957
6  1.842859  0.015955  0.555579  0.166412 -0.106779
7 -2.449436 -0.326649  0.023417 -1.440740 -1.085605
8  0.716881  0.898661  1.880689  1.306625 -0.908817
9 -0.312834  1.490284 -0.485538  0.176377 -1.153862


          a         b         c         d         e
a  1.000000  0.147945  0.226588  0.142235  0.523855
b  0.147945  1.000000  0.244468 -0.096112 -0.177812
c  0.226588  0.244468  1.000000  0.149294 -0.330628
d  0.142235 -0.096112  0.149294  1.000000 -0.128328
e  0.523855 -0.177812 -0.330628 -0.128328  1.000000


0.14794498240798468

 

-0.613999376618

若是DataFrame中存在任何非數字列，則會自動排除。

數據排名

數據排名爲元素數組中的每一個元素生成排名。在關係的狀況下，分配平均等級。

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(5), index=list('abcde'))
print(s)
print('\n')
print (s.rank())　　　　　　　　　　# 正常安裝數值大小排名
print('\n')

s['d'] = s['b']                 # so there's a tie
print(s)
print('\n')
print (s.rank())

輸出結果：

a   -1.076208
b    0.869269
c   -1.302216
d   -0.772624
e   -0.290900
dtype: float64


a    2.0
b    5.0
c    1.0
d    3.0
e    4.0
dtype: float64


a   -1.076208
b    0.869269
c   -1.302216
d    0.869269
e   -0.290900
dtype: float64


a    2.0
b    4.5
c    1.0
d    4.5
e    3.0
dtype: float64

 

Rank可選地使用一個默認爲true的升序參數; 當錯誤時，數據被反向排序，也就是較大的值被分配較小的排序。

Rank支持不一樣的tie-breaking方法，用方法參數指定 -

• average - 並列組平均排序等級
• min - 組中最低的排序等級
• max - 組中最高的排序等級
• first - 按照它們出如今數組中的順序分配隊列