pandas一个函数实现：计算表data各类的统计信息，如：最大最小值、均值等等

可以使用 `pandas` 库中的 `describe()` 函数计算表格的统计信息，例如：

import pandas as pd

# 读取数据表
data = pd.read_csv('data.csv')

# 计算统计信息
statistics = data.describe()

# 显示统计信息
print(statistics)

其中，`describe()` 函数会返回一个包含各类统计信息的 `DataFrame` 对象，包括计数、均值、方差、最小值、25% 分位数、中位数、75% 分位数和最大值等。如果数据表中包含非数值类型的列，则默认只会计算数值类型的列。如果需要计算所有列的统计信息，可以使用 `include='all'` 参数，例如：

statistics = data.describe(include='all')

相关问题

python呈现常用统计量，包括最大最小值，平均值等的pandas函数为

在 pandas 中，可以使用 `describe()` 方法来显示 DataFrame 或 Series 中的常用统计量，包括计数、均值、标准差、最小值、第一四分位数、中位数、第三四分位数和最大值。示例代码如下：

import pandas as pd

# 创建一个 Series
data = pd.Series([1, 2, 3, 4, 5, 6])

# 使用 describe() 方法显示常用统计量
print(data.describe())

输出结果如下：

count    6.000000
mean     3.500000
std      1.870829
min      1.000000
25%      2.250000
50%      3.500000
75%      4.750000
max      6.000000
dtype: float64

其中，`count` 表示样本数量，`mean` 表示均值，`std` 表示标准差，`min` 表示最小值，`25%` 表示第一四分位数，`50%` 表示中位数，`75%` 表示第三四分位数，`max` 表示最大值。

使用学习过的理论知识（Numpy数值分析基础、Matplotlib数据可视化基础、Pandas统计分析基础），对data.csv用户用户用电量数据进行相关处理，其中数据中有编号为1-200的200位电力用户，DATA_DATE表示时间，如2015/1/1表示2015年1月1日，KWH为用电量。请完成以下工作： 1、将数据进行转置，转置后行为用户编号、列为日期、值为用户每日用电量。 2、对数据中的异常数据进行识别并处理。 3、统计每个用户用电数据的基本统计量，包括：最大值、最小值、均值、中位数、和、方差、偏度、峰度。 4、每个用户用电数据按日差分，并求取差分结果的基本统计量，统计量同3。 5、求取每个用户的5%分位数。 6、每个用户按周求和并差分（一周7天，年度分开），并求取差分结果的基本统计量，统计量同三。 7、统计每个用户的日用电量在其最大值0.9倍以上的次数。 8、求取每个用户日为最大值/最小值的索引月份，若最大值/最小值存在于多个月份中，则输出含有最大值/最小值最多的那个月份。如1号用户的最小值为0，则看哪个月的0最多。 9、求取每个用户七八月电量和与三四月电量和的比值，最大值的比值，最小值的比值，均值（日均电量）的比值。 10、合并上述特征。

好的，我会按照您提供的需求，逐一完成每个任务。首先，我们需要加载数据文件data.csv，可以使用Pandas库中的read_csv()函数。代码如下：

import pandas as pd
import numpy as np

# 加载数据文件
data = pd.read_csv('data.csv', encoding='gbk')

接下来，我们可以进行数据的转置操作，可以使用Pandas库中的pivot()函数。代码如下：

# 数据转置
data_pivot = data.pivot(index='USER_ID', columns='DATA_DATE', values='KWH')

第二步，我们需要处理异常数据。异常数据往往会对统计结果产生较大的影响，因此需要进行识别和处理。常见的异常数据处理方法有删除、替换和插值等。这里我们使用替换方法，将异常数据替换为该用户所有数据的平均值。代码如下：

# 处理异常数据
for user in data_pivot.index:
    # 计算每个用户的均值
    mean_val = data_pivot.loc[user].mean()
    # 将小于0的数据替换为均值
    data_pivot.loc[user][data_pivot.loc[user] < 0] = mean_val

第三步，统计每个用户用电数据的基本统计量。可以使用Pandas库中的describe()函数。代码如下：

# 统计每个用户用电数据的基本统计量
statistic = pd.DataFrame()
statistic['max'] = data_pivot.max()
statistic['min'] = data_pivot.min()
statistic['mean'] = data_pivot.mean()
statistic['median'] = data_pivot.median()
statistic['sum'] = data_pivot.sum()
statistic['var'] = data_pivot.var()
statistic['skew'] = data_pivot.skew()
statistic['kurtosis'] = data_pivot.kurtosis()

第四步，每个用户用电数据按日差分，并求取差分结果的基本统计量。可以使用Pandas库中的diff()函数。代码如下：

# 每个用户用电数据按日差分
data_diff = data_pivot.diff(axis=1)

# 统计差分结果的基本统计量
statistic_diff = pd.DataFrame()
statistic_diff['max'] = data_diff.max()
statistic_diff['min'] = data_diff.min()
statistic_diff['mean'] = data_diff.mean()
statistic_diff['median'] = data_diff.median()
statistic_diff['sum'] = data_diff.sum()
statistic_diff['var'] = data_diff.var()
statistic_diff['skew'] = data_diff.skew()
statistic_diff['kurtosis'] = data_diff.kurtosis()

第五步，求取每个用户的5%分位数。可以使用Numpy库中的percentile()函数。代码如下：

# 求取每个用户的5%分位数
quantile_5 = np.percentile(data_pivot, 5, axis=1)

第六步，每个用户按周求和并差分，然后求取差分结果的基本统计量。可以使用Pandas库中的resample()和diff()函数。代码如下：

# 每个用户按周求和并差分
data_weekly = data_pivot.resample('W', axis=1).sum()
data_weekly_diff = data_weekly.diff(axis=1)

# 统计差分结果的基本统计量
statistic_weekly_diff = pd.DataFrame()
statistic_weekly_diff['max'] = data_weekly_diff.max()
statistic_weekly_diff['min'] = data_weekly_diff.min()
statistic_weekly_diff['mean'] = data_weekly_diff.mean()
statistic_weekly_diff['median'] = data_weekly_diff.median()
statistic_weekly_diff['sum'] = data_weekly_diff.sum()
statistic_weekly_diff['var'] = data_weekly_diff.var()
statistic_weekly_diff['skew'] = data_weekly_diff.skew()
statistic_weekly_diff['kurtosis'] = data_weekly_diff.kurtosis()

第七步，统计每个用户的日用电量在其最大值0.9倍以上的次数。可以使用Pandas库中的apply()函数，结合lambda表达式。代码如下：

# 统计每个用户的日用电量在其最大值0.9倍以上的次数
count_above_09 = data_pivot.apply(lambda x: len(x[x > 0.9 * x.max()]), axis=1)

第八步，求取每个用户日为最大值/最小值的索引月份。可以使用Pandas库中的idxmax()和idxmin()函数。代码如下：

# 求取每个用户日为最大值/最小值的索引月份
max_month = data_pivot.idxmax(axis=1).dt.month
min_month = data_pivot.idxmin(axis=1).dt.month

# 如果最大值/最小值存在于多个月份中，则输出含有最大值/最小值最多的那个月份
def most_common(lst):
    return max(set(lst), key=lst.count)

max_month = max_month.groupby(max_month.index).apply(most_common)
min_month = min_month.groupby(min_month.index).apply(most_common)

第九步，求取每个用户七八月电量和与三四月电量和的比值。可以使用Pandas库中的groupby()和sum()函数。代码如下：

# 求取每个用户七八月电量和与三四月电量和的比值
data_summer = data_pivot.loc[:, '2015-07-01':'2015-08-31'].sum(axis=1)
data_spring = data_pivot.loc[:, '2015-03-01':'2015-04-30'].sum(axis=1)
ratio_max = (data_summer / data_spring).max()
ratio_min = (data_summer / data_spring).min()
ratio_mean = (data_summer / data_spring).mean()

第十步，合并上述特征。可以使用Pandas库中的concat()函数。代码如下：

# 合并特征
features = pd.concat([statistic, statistic_diff, pd.Series(quantile_5, index=data_pivot.index, name='quantile_5'),
                      statistic_weekly_diff, count_above_09, max_month, min_month,
                      pd.Series([ratio_max, ratio_min, ratio_mean], index=['ratio_max', 'ratio_min', 'ratio_mean'], name='ratio')],
                     axis=1)

至此，我们已经完成了对data.csv数据的处理。