DataFrame常用统计数据方法

DataFrame常用的统计数据方法有：

1. describe()：展示数值型列的基本统计信息，包括计数、均值、标准差、最小值、最大值等。

2. mean()：计算每列的均值。

3. median()：计算每列的中位数。

4. mode()：计算每列的众数。

5. std()：计算每列的标准差。

6. var()：计算每列的方差。

7. quantile()：计算每列的分位数，可以指定分位数的值。

8. corr()：计算各列之间的相关系数。

9. cov()：计算各列之间的协方差。

10. count()：计算每列的非空值数量。

11. sum()：计算每列的总和。

12. min()：计算每列的最小值。

13. max()：计算每列的最大值。

14. abs()：计算每列的绝对值。

15. cumsum()：计算每列的累计和。

16. cumprod()：计算每列的累计积。

相关问题

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。

DataFrame常用方法

DataFrame是Pandas库中最常用的数据结构之一，它类似于Excel表格，由多行多列的数据组成。下面介绍一些DataFrame常用的方法：

1. head()和tail()方法：分别返回DataFrame的前几行和后几行数据，默认返回前/后五行。

2. info()方法：查看DataFrame的基本信息，包括列名、数据类型、非空值数量、内存占用等。

3. describe()方法：返回DataFrame的基本统计信息，包括计数、平均值、标准差、最小值、最大值等。

4. shape属性：返回DataFrame的行数和列数。

5. columns属性：返回DataFrame的列名。

6. index属性：返回DataFrame的索引。

7. loc[]方法：通过标签定位数据，例如df.loc[0]表示返回第一行数据。

8. iloc[]方法：通过位置定位数据，例如df.iloc[0]表示返回第一行数据。

9. drop()方法：删除指定行或列，需要指定axis参数，axis=0表示删除行，axis=1表示删除列。

10. drop_duplicates()方法：去重，可以指定去重的列。

11. groupby()方法：按照指定列进行分组，可以对分组后的数据进行聚合操作，例如求平均值、求和等。

12. merge()方法：合并多个DataFrame，需要指定合并的列。

13. pivot_table()方法：创建数据透视表，用于对数据进行汇总和分析。

14. apply()方法：对DataFrame中的每个元素应用指定的函数。

15. sort_values()方法：按照指定列排序。

16. set_index()方法：将指定列设置为索引。

这些方法只是DataFrame中的一部分常用方法，还有很多其他方法可以根据需要使用。