pd.DataFrame常用统计函数

Pandas 的 DataFrame 类提供了许多常用的统计函数，用于计算和分析数据。以下是一些常用的统计函数示例：

- `df.mean()`: 计算每列的平均值。
- `df.median()`: 计算每列的中位数。
- `df.min()`: 计算每列的最小值。
- `df.max()`: 计算每列的最大值。
- `df.std()`: 计算每列的标准差。
- `df.var()`: 计算每列的方差。
- `df.sum()`: 计算每列的总和。
- `df.count()`: 计算每列的非空值数量。
- `df.describe()`: 提供有关每列的基本统计摘要，包括计数、均值、标准差、最小值、25%、50%、75% 分位数和最大值。

这些函数可以应用于整个 DataFrame，或者通过指定轴参数应用于特定的行或列。你还可以通过在这些函数后面添加 `axis` 参数来指定计算的轴方向，默认为按列计算。

除了上述示例之外，Pandas 还提供了许多其他统计函数，如协方差、相关性、百分位数等。你可以根据具体的需求选择适当的函数来分析和处理数据。

相关问题

pd.dataframe用法

Pandas中的DataFrame是一种二维数据结构，类似于Excel中的表格。可以使用pd.DataFrame()函数创建一个DataFrame。常用的参数有：
- data: 二维数组或其它可以转换成DataFrame的对象，如列表、字典、Series等。
- columns: 列名
- index: 行索引

例如，可以用下面的代码创建一个DataFrame:

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'city': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

可以使用下标访问DataFrame中的数据，如df[0]或df['name']。也可以使用布尔索引筛选数据，如df[df['age'] > 30]。DataFrame还提供了很多用于数据处理和统计分析的方法，如groupby、agg、sum等。

df: pd.DataFrame

DataFrame是pandas库中的一个数据结构，用于处理和分析数据。它类似于电子表格或数据库中的表格，可以存储和操作二维数据。

创建DataFrame对象的方法有多种，其中一种是使用pd.DataFrame()函数创建一个空的DataFrame对象[^1]：

df = pd.DataFrame()

DataFrame对象有许多属性和方法可以用来操作和查看数据，以下是一些常用的属性和方法：
- df.values：返回一个ndarray类型的对象，包含DataFrame中的所有数据。
- df.index：获取行索引。
- df.columns：获取列索引。
- df.axes：获取行及列索引。
- df.T：行与列对调。
- df.info()：打印DataFrame对象的信息，包括索引、列名、每列的非空值数量和数据类型等。
- df.head(i)：显示前i行数据，默认为前5行。
- df.tail(i)：显示后i行数据，默认为后5行。
- df.describe()：查看数据按列的统计信息，包括计数、均值、标准差、最小值、25%分位数、中位数、75%分位数和最大值等。

请注意，上述方法中的df指的是DataFrame对象的变量名，你可以根据实际情况进行更改。