Python----数据分析（Pandas四：一维数组Series的统计计算，分组和聚合）

发布于：2025-03-17 ⋅ 阅读:(21) ⋅ 点赞:(0)

一、统计计算

1.1、 count

        用于计算 Series中非NaN（非空）值的数量。

import pandas as pd

s = pd.Series([1, 2, None, 4, None])

count_non_na = s.count()
print(count_non_na)

1.2、 sum

        sum() 函数会计算所有值的总和。

Series.sum(axis=None, skipna=True, numeric_only=None, min_count=0)
描述 说明
axis 对于 Series对象来说，这个参数通常不起作用，因为 Series是一维的。 它主要在 DataFrame对象中用于指定操作的轴（0表示按列求和，1表示按行求 和）。
skipna 布尔值，默认为True,如果为True，则在计算总和时会忽略NaN值 。 如果为False，则返回NaN。
numeric_only 布尔值，默认为None。如果为True，则只对数字类型的数据进行计算，只针对DataFrame。
min_count int值，默认为0。表示在计算总和之前，至少需要多少个非NaN值.如果非NaN值的数量小于min_count，则结果为 NaN。 
import pandas as pd
s = pd.Series([1, 2, None, 4, 5])
total = s.sum(min_count=5)
print(total)

1.3、 mean

        mean() 函数会计算所有值的平均值。

Series.mean(axis=None, skipna=True, numeric_only=None)
描述 说明
axis 对于 Series对象来说，这个参数通常不起作用，因为 Series是一维的。 它主要在 DataFrame对象中用于指定操作的轴（0表示按列计算平均值，1表示按 行计算平均值）。
skipna 布尔值，默认为True,如果为True，则在计算总和时会忽略NaN值 。 如果为False，则返回NaN。
numeric_only 布尔值，默认为None。如果为True，则只对数字类型的数据进行计算，只针对DataFrame。

1.4、 median

        median()函数用于计算DataFrame或Series中的中位数。

Series.median(axis=0, skipna=True, numeric_only=False)
描述 说明
axis 对于 Series对象来说，这个参数通常不起作用，因为 Series是一维的。 它主要在 DataFrame对象中用于指定操作的轴（0表示按列计算中位数，1表示按 行计算中位数）。
skipna 布尔值，默认为True,如果为True，则在计算总和时会忽略NaN值 。 如果为False，则返回NaN。
numeric_only 布尔值，默认为None。如果为True，则只对数字类型的数据进行计算，只针对DataFrame。 
import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])
median_value = s.median()
print(median_value)

1.5、 min和max

        Series.min()函数用于计算Series对象中的最小值， Series.max()函数用于计算Series对象中的最大值。

Series.min(axis=0, skipna=True, numeric_only=False)
Series.max(axis=0, skipna=True, numeric_only=False)
描述 说明
axis 对于 Series对象来说，这个参数通常不起作用，因为 Series是一维的。 它主要在 DataFrame对象中用于指定操作的轴（0表示按列计算最大最小值，1表示按 行计算最大最小值）。
skipna 布尔值，默认为True,如果为True，则在计算总和时会忽略NaN值 。 如果为False，则返回NaN。
numeric_only 布尔值，默认为None。如果为True，则只对数字类型的数据进行计算，只针对DataFrame。 
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
min_value = s.min()
max_value = s.max()
print('最小值是：', min_value)
print('最大值是：', max_value)

1.6、 var

        Series.var()函数用于计算Series对象的方差。

Series.var(axis=None, skipna=True, ddof=1, numeric_only=False)
描述 说明
axis 对于 在DataFrame中， Series对象，这个参数不会产生任何效果，因为 Series是一维的。axis用于指定沿着哪个轴计算方差。
skipna 布尔值，默认为 True。如果为 True，则在计算方差之前会忽略 NaN 值。如果设置为 False，计算方差时会包括 NaN值，通常会导致结果也是 NaN。
ddof 整数，默认为1。Delta Degrees of Freedom，用于贝塞尔校正，以得到 样本方差的估计。对于无偏估计（样本方差）， ddof通常设置为1。如果计算总 体方差，应该将 ddof设置为0。
numeric_only 布尔值，默认为False，如果为True ，则只对数字类型的数据进行方差计算，忽略非数字类型的数据。 
import pandas as pd
import numpy as np
s = pd.Series([1, 2, np.nan, 4, 5])
variance = s.var()
print('方差是：', variance)

1.7、 std

        Series.std()函数用于计算Series对象的标准差。

Series.std(axis=None, skipna=True, ddof=1, numeric_only=False, **kwargs)
描述 说明
axis 对于Series来说，这个参数不会产生任何效果，因为Series是一维的。它 主要用于DataFrame，以指定沿着哪个轴计算标准差。
skipna 布尔值，默认为True。如果为True，则在计算标准差之前会忽略NaN 值，如果为False，则返回NaN。
ddof 整数，默认为1。Delta Degrees of Freedom，是贝塞尔校正的参数。对 于无偏估计（样本标准差），ddof通常设置为1。
numeric_only 布尔值，默认为False。如果为True，则只对数字类型的数据进 行计算，只针对DataFrame。
**kwargs 其他关键字参数 
import pandas as pd
import numpy as np
s = pd.Series([1, 2, np.nan, 4, 5])
std_dev = s.std()
print('标准差是：', std_dev)

1.8、 quantile

        Series.quantile() 方法用于计算Series中数值的分位数。

Series.quantile(q=0.5, interpolation='linear')
描述 说明
q 这个参数是必需的，它表示要计算的分位数值。可以是单一的数值，也可以 是一个数值列表。例如， q=0.5 表示计算中位数（50%分位数）。
interpolation 这个参数决定了当所需的分位数位于两个数据点之间时，应该 如何插值。默认值是 'linear'，表示线性插值。其他选项包括 近的值）、 'lower'（选择较小的值）、 'nearest'（最 'higher'（选择较大的 值）、 'midpoint'（两个值的中间点）。

计算0.5分位数

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])

median_value = s.quantile(q=0.5, interpolation='linear')
print(median_value)

1.9、 cummax

        该方法用于计算Series中元素的累积最大值，返回一个相同长度的Series，其中每个 位置上的值表示从Series开始到当前位置（包括当前位置）的最大值。

Series.cummax(axis=None, skipna=True, *args, **kwargs)
描述 说明
axis 对于Series来说，这个参数不起作用，因为Series是一维的。在 DataFrame上使用时， axis=0（默认）表示按列计算， axis=1表示按行计算。
skipna 布尔值，默认为True。如果为True，则在计算累积最大值时会忽略NaN 值；如果为False，则任何NaN值都会导致结果在该位置及之后的值都为NaN。
*args, **kwargs 这些参数用于兼容性，通常不需要使用。 
import pandas as pd

s = pd.Series([1, 2, None, 4, 5])

cumsum_series = s.cummax()
print(cumsum_series)

1.10、 cummin

        该方法用于计算Series中元素的累积最小值，返回一个相同长度的Series，其中每个 位置上的值表示从Series开始到当前位置（包括当前位置）的最小值。

Series.cummin(axis=None, skipna=True, *args, **kwargs)
描述 说明
axis 对于Series来说，这个参数不起作用，因为Series是一维的。在 DataFrame上使用时， axis=0（默认）表示按列计算， axis=1表示按行计算。
skipna 布尔值，默认为True。如果为True，则在计算累积最小值时会忽略NaN 值；如果为False，则任何NaN值都会导致结果在该位置及之后的值都为NaN。
*args, **kwargs 这些参数用于兼容性，通常不需要使用。 
import pandas as pd

s = pd.Series([1, 2, None, 4, 5])

cumsum_series = s.cummin()
print(cumsum_series)

1.11、 cumsum

        用于计算Series中元素的累积和。该方法返回一个相同长度的Series，其中每个位置 上的值表示从Series开始到当前位置（包括当前位置）的所有元素的累加和。

Series.cumsum(axis=None, skipna=True, *args, **kwargs)
描述 说明
axis 对于Series来说，这个参数不起作用，因为Series是一维的。在 DataFrame上使用时， axis=0（默认）表示按列计算， axis=1表示按行计算。
skipna 布尔值，默认为True。如果为True，则在计算累积和时会忽略NaN 值；如果为False，则任何NaN值都会导致结果在该位置及之后的值都为NaN。
*args, **kwargs 这些参数用于兼容性，通常不需要使用。 
import pandas as pd

s = pd.Series([1, 2, None, 4, 5])

cumsum_series = s.cumsum()
print(cumsum_series)

1.12、 cumprod

        用于计算Series中元素的累积乘积。该方法返回一个相同长度的Series，其中每个位 置上的值表示从Series开始到当前位置（包括当前位置）的所有元素的累积乘积。

Series.cumprod(axis=None, skipna=True, *args, **kwargs)
描述 说明
axis 对于Series来说，这个参数不起作用，因为Series是一维的。在 DataFrame上使用时， axis=0（默认）表示按列计算， axis=1表示按行计算。
skipna 布尔值，默认为True。如果为True，则在计算累积乘积时会忽略NaN 值；如果为False，则任何NaN值都会导致结果在该位置及之后的值都为NaN。
*args, **kwargs 这些参数用于兼容性，通常不需要使用。 
import pandas as pd

s = pd.Series([1, 2, None, 4, 5])

cumprod_series = s.cumprod()
print(cumprod_series)

二、分组和聚合

2.1、groupby

        用于将Series中的数据分组，并允许你对这些分组进行操作，比如计算每个组的总 和、平均值、最大值、最小值等。

Series.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, observed=False, dropna=True)
描述 说明
by 确定分组依据，如果 by 是一个函数，它会在对象索引的每个值上调用。如 果传递了字典或Series，将使用这些对象的值来确定组。如果传递了长度等于所 选轴的列表或 ndarray，则直接使用这些值来确定组。
axis 用于分组的轴。对于Series，这个参数通常设置为0（默认值），因为 Series是一维数据结构。
level 如果索引是多级索引（MultiIndex），则此参数用于指定分组所依据的 级别，by和level同时只能存在一个，且必须存在一个。
as_index 是否将分组键作为结果的索引，默认值为True。仅与DataFrame 输入相关。
sort 是否对结果进行排序。默认值为 True。
group_keys 是否在结果中包含分组键。默认值为 True。
observed 是否仅包含实际观察到的分类值。默认值为 False。
dropna 是否从结果中排除包含 NaN 的组。默认值为 True。 
import pandas as pd

data = [10, 20, 10, 30, 20, 10]
series = pd.Series(data)

grouped = series.groupby(series).count()
print(grouped)

2.2、agg

        Series.agg() 方法用于对Series中的数据进行聚合操作。

Series.agg(func=None, axis=0, *args, **kwargs)
描述 说明
func 聚合函数或函数列表/字典。可以是一个函数名称（字符串），也可以是实 际的函数对象，或者是这些的列表或字典。如果是字典，则键将是输出列的名 称，值应该是应用于Series的函数。
axis 整数或字符串，默认为0。由于Series是一维数据结构，这个参数实际上在 Series的上下文中不起作用。在DataFrame的上下文中，axis=0 表示按列进行 聚合， axis=1 表示按行进行聚合。
*args 位置参数，可以传递给 func。
**kwargs 关键字参数，可以传递给func。 
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])

result = s.agg('mean')
print(result)  

result = s.agg(['max', 'min'])
print(result) 

result = s.agg({'Maximum': 'max', 'Minimum': 'min'})
print(result)  

def custom_agg(x, power):
    return (x ** power).sum()
result = s.agg(custom_agg, power=2)
print(result)

三、思维导图 

 

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布