pandas 学习 第11篇：DataFrame-数据处理（分组、聚合、窗口、相关、统计）

数据处理的目的是为了数据分析，下面分享常用的数据分析中会用到的函数。

一，分组和聚合

groupby用于对数据分组，分组之后可以直接调用聚合函数求值；agg()函数把分组和调用聚合函数集成到一个函数来实现：

DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)
DataFrame.agg(self, func, axis=0, *args, **kwargs)

二，窗口

rolling()是指按照窗口滚动求值，expanding()是指依次递增1，计算累加；ewm指的是指数加权滚动平均：

DataFrame.rolling(self, window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
DataFrame.expanding(self, min_periods=1, center=False, axis=0)
DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)

详细信息，可以参考：pandas 学习 第4篇：序列的处理（应用、聚合、转换、映射、分组、滚动、扩展、指数加权移动平均）

三，相关

计算两对列值之间的相关性：

DataFrame.corr(self, method=‘pearson‘, min_periods=1)

method：计算相关性的方法，有效值是 ‘pearson’, ‘kendall’, ‘spearman’ 或 callable

min_periods：每对列必须具有有效结果的最小观察数量，目前只适用于：Pearson 和 Spearman相关性。

四，统计函数

常用的统计函数：

• min、max：最小值、最大值
• mode：众数
• var：方差
• std：标准差
• sum：累加和
• mean：均值
• mad：绝对值的均值
• median：中位数
• quantile：百分位数
• count：计数
• cumsum：累加求和
• cumprod：累积乘积
• cummin、cummax：累积最小值、累积最大值

参考文档：

pandas DataFrame

原文地址：https://www.cnblogs.com/ljhdo/p/11599177.html