• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Python pandas入门系列之众数和分位数

    准备

    本文用到的表格内容如下:

    先来看一下原始情形:

    import pandas as pd
    ​
    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df)
    

    result:

       数学成绩  语文成绩  英语成绩
    0    89    78    98
    1    35    34    34
    2    43    56    25
    3    35    78    83
    4    67    46    65
    5    89    89    83
    6    96    45    83
    7    35    67    45
    8    35    78    83

    1.求众数

    1.1对全表进行操作

    1.1.1求取每列的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.var())
    

    result:

       数学成绩  语文成绩  英语成绩
    0    35    78    83

    1.1.2 求取每行的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.mode(axis=1))
    

    result:

          0     1     2
    0  78.0  89.0  98.0
    1  34.0   NaN   NaN
    2  25.0  43.0  56.0
    3  35.0  78.0  83.0
    4  46.0  65.0  67.0
    5  89.0   NaN   NaN
    6  45.0  83.0  96.0
    7  35.0  45.0  67.0
    8  35.0  78.0  83.0

    1.2 对单独的一行或者一列进行操作

    1.2.1 求取单独某一列的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.mode(axis=1))
    

    result:

    0    35
    dtype: int64

    1.2.2 求取单独某一行的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.iloc[[0]].mode())
    

    result:

       数学成绩  语文成绩  英语成绩
    0    89    78    98

    1.3 对多行或者多列进行操作

    1.3.1 求取多列的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df[['数学成绩', "语文成绩"]].mode())
    

    result:

       数学成绩  语文成绩
    0    35    78

    1.3.2 求取多行的众数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.iloc[[0, 1]].mode())
    

    result:

       数学成绩  语文成绩  英语成绩
    0    35    34    34
    1    89    78    98

    2 求分位数

    分位数是比中位数更加详细的基于位置的指标,分位数主要有四分之一分位数,二分之一分位数(就是中位数)、四分之三分位数

    2.1 求取不同分位的分位数

    2.1.1 四分之一分位数

    import pandas as pd
    ​
    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.quantile(0.25))
    

    result:

    数学成绩    35.0
    语文成绩    46.0
    英语成绩    45.0
    Name: 0.25, dtype: float64

    2.1.2 四分之三分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.quantile(0.75))
    

    result:

    数学成绩    89.0
    语文成绩    78.0
    英语成绩    83.0
    Name: 0.75, dtype: float64

    2.2对全表进行操作

    2.2.1对每一列求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.quantile(0.25))
    

    result:

    数学成绩    35.0
    语文成绩    46.0
    英语成绩    45.0
    Name: 0.25, dtype: float64

    2.2.2 对每一行求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.quantile(0.25, axis=1))
    

    result:

    0    83.5
    1    34.0
    2    34.0
    3    56.5
    4    55.5
    5    86.0
    6    64.0
    7    40.0
    8    56.5
    Name: 0.25, dtype: float64

    2.3 对单独的一行或者一列进行操作

    2.3.1 对某一列求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df['数学成绩'].quantile(0.25))
    

    result:

    35.0

    2.3.2 对某一行求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.iloc[[0]].quantile(0.25))
    

    result:

    数学成绩    89.0
    语文成绩    78.0
    英语成绩    98.0
    Name: 0.25, dtype: float64

    2.4 对多行或者多列进行操作

    2.4.1 对多列求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df[['数学成绩', "语文成绩"]].quantile(0.25))
    

    result:

    数学成绩    35.0
    语文成绩    46.0
    Name: 0.25, dtype: float64

    2.4.2 对多行求分位数

    df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
    print(df.iloc[[0, 1]].quantile(0.25))
    

    result:

    数学成绩    48.5
    语文成绩    45.0
    英语成绩    50.0
    Name: 0.25, dtype: float64

    附:pandas 和 numpy计算分位数的区别

    pandas 和 numpy中都有计算分位数的方法,pandas中是quantile,numpy中是percentile

    两个方法其实没什么区别,用法上稍微不同,quantile的优点是与pandas中的groupby结合使用,可以分组之后取每个组的某分位数

    quantile代码:

    import pandas as pd
    import numpy as np
    data = pd.read_csv('order_rank_p_0409.txt',sep='\t')
    #将data按id_1 和 id_2 分组
    grouped=data.groupby(['id_1','id_2'])
    #用quantile计算第40%的分位数
    grouped['gmv'].quantile(0.4) 
    #用to_csv生成文件
    x.to_csv('order_ran_re.txt',sep= '\t')
    

    percentile代码:

    import pandas as pd
    import numpy as np
    data = pd.read_csv('order_rank_p_0409.txt',sep='\t')
    a = array(data['gmv'])
    np.percentile(a,0.4)
    

    两段代码,两种方法计算的结果是一样的

    总结

    到此这篇关于Python pandas系列之众数和分位数的文章就介绍到这了,更多相关pandas众数和分位数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    您可能感兴趣的文章:
    • Python Pandas分组聚合的实现方法
    • python中pandas对多列进行分组统计的实现
    • 详解python pandas 分组统计的方法
    • Python Pandas实现数据分组求平均值并填充nan的示例
    • Python学习笔记之pandas索引列、过滤、分组、求和功能示例
    • Python Pandas的简单使用教程
    • Python pandas求方差和标准差的方法实例
    • python geopandas读取、创建shapefile文件的方法
    • 使用Python pandas读取CSV文件应该注意什么?
    • 利用python Pandas实现批量拆分Excel与合并Excel
    • python pandas分组聚合详细
    上一篇:python计算数字或者数组的阶乘的实现
    下一篇:Python爬虫爬取商品失败处理方法
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Python pandas入门系列之众数和分位数 Python,pandas,入门,系列,之众,