Python pandas，pandas常用统计方法，求和sum，均值mean，最大值max，中位数median，标准差std

偏执的太偏执、 2022-03-18 15:15 199阅读 0赞

mean()平均值   median()中位数   max()最大值   min()最小值   sum()求和   std()标准差

Series类型独有的方法： argmax()最大值的位置   argmin()最小值的位置

**demo.py（pandas常用统计函数）：**

# coding=utf-8
    import numpy as np
    import pandas as pd
    
    
    # 创建DataFrame
    df = pd.DataFrame(np.arange(12, 32).reshape((5, 4)), index=["a", "b", "c", "d", "e"], columns=["WW", "XX", "YY", "ZZ"])
    print(df)
    '''
       WW  XX  YY  ZZ
    a  12  13  14  15
    b  16  17  18  19
    c  20  21  22  23
    d  24  25  26  27
    e  28  29  30  31
    '''
    
    
    # mean()平均值  median()中位数  max()最大值  min()最小值  sum()求和  std()标准差
    print(df.mean())  # 每一列平均值 (Series类型)
    '''
    WW    20.0
    XX    21.0
    YY    22.0
    ZZ    23.0
    dtype: float64
    '''
    
    print(df["YY"].mean())  # 22.0  指定列的平均值
    
    print(df["YY"])  # Series类型
    YY_list = df["YY"].tolist()  # tolist()转换成list类型
    print(YY_list)  # [14, 18, 22, 26, 30]
    print(len(YY_list))  # 5
    print(len(set(YY_list)))  # set集合可以去重
    
    print(df["YY"].unique())  # [14 18 22 26 30]  unique()自动去重(ndarray类型)
    
    
    print(df.max())  # 每一列的最大值 Series类型。  min()最小值
    '''
    WW    28
    XX    29
    YY    30
    ZZ    31
    dtype: int64
    '''
    
    # argmax()某一列最大值的位置  argmin()最小值的位置
    print(df["YY"].argmax())  # e

--------------------

**demo.py（应用实例，字符串的离散化，根据电影类型统计电影的数量）：**

# coding=utf-8
    import pandas as pd
    from matplotlib import pyplot as plt
    import numpy as np
    
    file_path = "./IMDB-Movie-Data.csv"
    
    df = pd.read_csv(file_path)
    # print(df["Genre"].head(3))
    '''
    0     Action,Adventure,Sci-Fi
    1    Adventure,Mystery,Sci-Fi
    2             Horror,Thriller
    Name: Genre, dtype: object
    '''
    
    # 统计分类的列表
    temp_list = df["Genre"].str.split(",").tolist()  #[[],[],[]]
    
    genre_list = list(set([i for j in temp_list for i in j]))  # 两层for循环展开列表
    
    # 构造全为0的数组
    zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
    # print(zeros_df)
    
    # 给每个电影出现分类的位置赋值1
    for i in range(df.shape[0]):
        #zeros_df.loc[0,["Sci-fi","Mucical"]] = 1
        zeros_df.loc[i,temp_list[i]] = 1
    
    # print(zeros_df.head(3))
    
    # 统计每个分类的电影的数量和
    genre_count = zeros_df.sum(axis=0)
    print(genre_count)
    '''
    Drama        513.0
    Sci-Fi       120.0
    Action       303.0
    Comedy       279.0
    Crime        150.0
    Thriller     195.0
    Fantasy      101.0
    dtype: float64
    '''
    
    # 排序
    genre_count = genre_count.sort_values()
    _x = genre_count.index
    _y = genre_count.values
    
    #画图
    plt.figure(figsize=(20,8),dpi=80)
    plt.bar(range(len(_x)),_y,width=0.4,color="orange")
    plt.xticks(range(len(_x)),_x)
    plt.show()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220318/4e1cbb28062a4a72bd261c754abf9be3.png