python pandas常用統計函式總結_包括groupby,crossTab等方法結合使用的比較

　　1. 背景描述

　　資料分析中經常需要對資料特徵的多種不同方式進行分組或歸類，然後與統計函式結合使用，尋找資訊的規律、資料間的差異或相關性等，從而更好地從資料中挖掘有價值的資訊，服務於企業的運營和特定的問題解決。

　　本文主要在這兩方面進行總結：

　　資料分析中常用的統計函式(共12個聚合函式-python)的用法

　　與4種不同的分組、歸類方法結合使用的效果比較

　　2. 資料分析常用統計函式總結

　　2.1 常用的統計值對應的python函式

　　平均數：np.mean()

　　總和：np.sum()

　　中位數：np.median()

　　最大值：np.max()

　　最小值：np.min()

　　頻次(計數): np.size()

　　方差：np.var()

　　標準差：np.std()

　　乘積：np.prod()

　　協方差： np.cov(x, y)

　　偏度係數(Skewness): skew(x)

　　峰度係數(Kurtosis): kurt(x)

　　正態性檢驗結果: normaltest(np.array(x))

　　四分位數：describe() – 顯示25%, 50%, 75%位置上的資料

　　2.2 示例程式碼

　　**基本使用方法 **

　　import numpy as np

　　import pandas as pd

　　import scipy.stats as ss

　　x = [5, 7, 6, 5, 8, 4, 7, 6, 4, 5]

　　print("x的平均值:", np.mean(x))

　　print("x總和是:", np.sum(x))

　　print("x的中位數:", np.median(x))

　　print("x的最大值:", np.max(x))

　　print("x的最小值:", np.min(x))

　　print("x的資料個數:", np.size(x))

　　print("x的方差:", np.var(x))

　　print("x的標準差:", np.std(x).round(2))

　　print("x的乘積:", np.prod(x))

　　print("x的偏度(Skewness):", skew(x))

　　print("x的正態檢驗結果:", ss.normaltest(np.array(x)))

　　3. 聚合函式與分組歸類方法的聯合使用(Python程式碼)

　　3.1 DataFrame資料表中分組進行統計 – 與groupby()聯合使用

　　# 3.1.1 建立資料表

　　import numpy as np

　　import pandas as pd

　　df = pd.DataFrame({"名稱": ["A", "B", "A", "A", "B", "A"],

　　"顏色": ["紅色", "藍色", "紅色", "藍色", "藍色", "紅色"],

　　"尺寸": ["大", "大", "小", "小", "大", "大"],

　　"厚度": [2, 5, 1, 2, 4, 5],

　　"數量": [10, 20, 15, 30, 10, 20]})

　　df

　　# 3.1.2 使用groupby()根據“名稱”對“數量”進行分組統計

　　df.groupby(["名稱"])["數量"].sum()

　　

　　# 3.1.3 groupby()函式傳入分組列表，對資料進行多層分組統計

　　df.groupby(["名稱", "顏色"])["數量"].sum()

　　

　　# 3.1.4 在之前的基礎上，對被統計的資料傳入列表，達到多層分組分類統計的效果

　　df.groupby(["名稱", "顏色"])[["數量", "厚度"]].sum()

　　

　　3.2 資料表中多層篩選的應用 – 透視表pivot_table的應用

　　# 3.2.1 簡單的分組分類統計彙總

　　pd.pivot_table(df, values=["數量"], index=["名稱"], columns=["顏色"], aggfunc=np.sum,fill_value=0, margins=True)

　　 大連做人流哪裡好

　　# 3.2.2 多層級的分組和分類統計彙總

　　pd.pivot_table(df, values=["數量"], index=["名稱", "尺寸"], columns=["顏色"], aggfunc=np.sum, fill_value=0, margins=True)

　　# 3.2.3 多層分組統計不同指標的不同統計量

　　pd.pivot_table(df, values=["數量", "厚度"], index=["名稱"], columns=["顏色"], aggfunc={"數量": np.sum, "厚度": np.var}, fill_value=0, margins=True)

　　藍色框 – 分組計算厚度的方差

　　紅色框 – 分組同步計算數量的總和

　　這種方法不但快速便捷，還能在同一個平面內展示不同指標使用不同的統計量計算的結果。

　　3.3 四分位數 – describe()的應用方法

　　# describe()函式 -- 對資料表中的所有的數值型進行快速的統計

　　df.describe()

　　

　　3.4. 交叉表crossTab()函式

　　# 交叉表crossTab()函式 -- 交叉表是用於統計分組頻率的特殊透視表

　　tab_ = pd.crosstab(df["名稱"], df["顏色"], margins=True)

　　tab_

　　

　　3、結束語

　　綜述以上4種方法，基本上都會認為pivot_table()相對而言是最便捷、靈活且功能強大的統計分析函式，也是在日常工作中常用的方法之一。其實，每種方法都有特色和針對的方向，根據實際情況靈活運用即可。