# hanbb # come on!!! import pandas as pd import numpy as np import matplotlib.pyplot as pltdf = pd.DataFrame(np.arange(12).reshape(3,4),index=['b','a','c'],columns=['2nd','1st','4or','3rd']) print(df) # 排序# 根據(jù)行列排序 print(df.sort_index(axis=0,ascending=True)) # 默認是列索引，升序 print(df.sort_index(axis=1)) # 行索引# 根據(jù)某行或者某列的值排序 print(df.sort_values('1st')) # 默認是列,升序列 print(df.sort_values('a',axis=1,ascending=False)) # 改為行，降序# 求和 print(df.sum()) print(df.sum(axis=1)) # 累計求和 print(df.cumsum()) print(df.cumsum(axis=1)) # 數(shù)量 print(df.count()) print(df.count(axis=1))# 數(shù)據(jù)操作 print(df.mean()) # 平均數(shù) print(df.median()) # 中位數(shù) print(df.max()) # 最大值 print(df.min()) # 最小值 print(df.var()) # 方差 print(df.std()) # 標準差# 數(shù)據(jù)特征 a = df.describe() # 求出所有的數(shù)據(jù)特征 print(a.ix['max']) # ix 怎么用？？？# 累計操作 print(df.cumsum()) # 累計求和 print(df.cumprod()) # 累計乘積 print(df.cummax()) # 累計最大值 print(df.cummin()) # 累計最小值# 累計統(tǒng)計，滾動分布 print(df.rolling(2).sum()) # 相鄰2個元素的和 print(df.rolling(2).mean()) # 相鄰2個元素的平均值 print(df.rolling(2).var()) # 相鄰2個元素的方差 print(df.rolling(2).std()) # 相鄰2個元素的標準 print(df.rolling(2).min()) # 相鄰2個元素的最小值 print(df.rolling(2).max()) # 相鄰2個元素的最大值# 相關分析 df1 = pd.Series(np.arange(1,5),index=['a','b','c','d']) # 1.66666666667 df2 = pd.Series(np.arange(5,9),index=['a','b','c','d']) # 1.0# plt.plot(df1.values) # plt.plot(df2.values) # plt.show()print(df1.cov(df2)) # 協(xié)方差，正相關>0,負相關<0,無關=0 print(df1.corr(df2)) # pearson 相關 0.8到1極強相關，0.6-0.8強相關；0.4-0.6中等相關；0.2-0.4弱相關，0-0.2極弱相關或無關 df3 = pd.Series(np.random.randint(1,5),index=['a','b','c','d']) # 0.0 df4 = pd.Series(np.random.randint(5,9),index=['a','b','c','d']) # nan print(df3.cov(df4)) print(df3.corr(df4)) print(df3) print(df4) plt.scatter(df3.values,df4.values) plt.show()

?

轉(zhuǎn)載于:https://www.cnblogs.com/hanbb/p/7861766.html

總結(jié)

以上是生活随笔為你收集整理的数据分析（排序，数据特征、平均数、方差等，累计统计，相关分析）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。