mysql 协方差函数_Pandas统计函数

港控/mmm° 2022-10-26 12:57 7阅读 0赞

统计方法有助于理解和分析数据的行为。现在我们将学习一些统计函数，可以将这些函数应用到Pandas的对象上。

pct\_change()函数

系列，DatFrames和Panel都有pct\_change()函数。此函数将每个元素与其前一个元素进行比较，并计算变化百分比。

import pandas as pd

import numpy as np

s = pd.Series(\[1,2,3,4,5,4\])

print (s.pct\_change())

df = pd.DataFrame(np.random.randn(5, 2))

print (df.pct\_change())

执行上面示例代码，得到以下结果 -

0 NaN

1 1.000000

2 0.500000

3 0.333333

4 0.250000

5 -0.200000

dtype: float64

0 1

0 NaN NaN

1 -15.151902 0.174730

2 -0.746374 -1.449088

3 -3.582229 -3.165836

4 15.601150 -1.860434

默认情况下，pct\_change()对列进行操作; 如果想应用到行上，那么可使用axis = 1参数。

协方差

协方差适用于系列数据。Series对象有一个方法cov用来计算序列对象之间的协方差。NA将被自动排除。

Cov系列示例

import pandas as pd

import numpy as np

s1 = pd.Series(np.random.randn(10))

s2 = pd.Series(np.random.randn(10))

print (s1.cov(s2))

执行上面示例代码，得到以下结果 -

0.0667296739178

当应用于DataFrame时，协方差方法计算所有列之间的协方差(cov)值。

import pandas as pd

import numpy as np

frame = pd.DataFrame(np.random.randn(10, 5), columns=\['a', 'b', 'c', 'd', 'e'\])

print (frame\['a'\].cov(frame\['b'\]))

print (frame.cov())

执行上面示例代码，得到以下结果 -

\-0.406796939839

a b c d e

a 0.784886 -0.406797 0.181312 0.513549 -0.597385

b -0.406797 0.987106 -0.662898 -0.492781 0.388693

c 0.181312 -0.662898 1.450012 0.484724 -0.476961

d 0.513549 -0.492781 0.484724 1.571194 -0.365274

e -0.597385 0.388693 -0.476961 -0.365274 0.785044

注 - 观察第一个语句中a和b列之间的cov结果值，与由DataFrame上的cov返回的值相同。

相关性

相关性显示了任何两个数值(系列)之间的线性关系。有多种方法来计算pearson(默认)，spearman和kendall之间的相关性。

import pandas as pd

import numpy as np

frame = pd.DataFrame(np.random.randn(10, 5), columns=\['a', 'b', 'c', 'd', 'e'\])

print (frame\['a'\].corr(frame\['b'\]))

print (frame.corr())

执行上面示例代码，得到以下结果 -

\-0.613999376618

a b c d e

a 1.000000 -0.613999 -0.040741 -0.227761 -0.192171

b -0.613999 1.000000 0.012303 0.273584 0.591826

c -0.040741 0.012303 1.000000 -0.391736 -0.470765

d -0.227761 0.273584 -0.391736 1.000000 0.364946

e -0.192171 0.591826 -0.470765 0.364946 1.000000

如果DataFrame中存在任何非数字列，则会自动排除。

数据排名

数据排名为元素数组中的每个元素生成排名。在关系的情况下，分配平均等级。

import pandas as pd

import numpy as np

s = pd.Series(np.random.np.random.randn(5), index=list('abcde'))

s\['d'\] = s\['b'\] \# so there's a tie

print (s.rank())

执行上面示例代码，得到以下结果 -

a 4.0

b 1.5

c 3.0

d 1.5

e 5.0

dtype: float64

Rank可选地使用一个默认为true的升序参数; 当错误时，数据被反向排序，也就是较大的值被分配较小的排序。

Rank支持不同的tie-breaking方法，用方法参数指定 -

average - 并列组平均排序等级

min - 组中最低的排序等级

max - 组中最高的排序等级

first - 按照它们出现在数组中的顺序分配队列

¥ 我要打赏

纠错/补充

收藏

加QQ群啦，易百教程官方技术学习群

注意：建议每个人选自己的技术方向加群，同一个QQ最多限加 3 个群。

发表评论取消回复

表情：

评论列表（有 0 条评论，7人围观）

还没有评论，来说两句吧...

相关阅读

相关【转】期望、方差、协方差和协方差矩阵

原文地址：https://blog.csdn.net/qq\_23869697/article/details/80610361 ![在这里插入图片描述][watermark

朱雀/ 2023年06月09日 11:30/ 0 赞/ 237 阅读

相关 mysql 协方差函数_Pandas统计函数

统计方法有助于理解和分析数据的行为。现在我们将学习一些统计函数，可以将这些函数应用到Pandas的对象上。 pct\_change()函数系列，DatFrames和Pan

港控/mmm°/ 2022年10月26日 12:57/ 0 赞/ 8 阅读

相关详解协方差与协方差矩阵

协方差的定义 ![0_13008475759rb0.gif][] 对于一般的分布，直接代入E(X)之类的就可以计算出来了，但真给你一个具体数值的分布，要计算协方差矩阵

男娘i/ 2022年09月30日 00:39/ 0 赞/ 206 阅读

相关协方差矩阵

一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述：均值：[![clip\_im

你的名字/ 2022年09月24日 11:28/ 0 赞/ 205 阅读

相关 Pandas统计特征函数

Python中用于数据探索的库主要是Pandas和Matplotlib，Pandas提供了大量与数据探索相关的函数。这些统计特征函数能反映出数据的整体分布，主要作为Pandas

绝地灬酷狼/ 2022年06月04日 02:23/ 0 赞/ 239 阅读

相关协方差矩阵

[ ][Link 1] 一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述：

ゞ浴缸里的玫瑰/ 2022年05月23日 06:54/ 0 赞/ 197 阅读

相关协方差与协方差矩阵

引言最近在看主成分分析（PCA），其中有一步是计算样本各维度的协方差矩阵。以前在看算法介绍时，也经常遇到，现找了些资料复习，总结如下。协方差通常，在提到协方

叁歲伎倆/ 2022年05月22日 03:20/ 0 赞/ 274 阅读

相关【数学基础】协方差与协方差矩阵

【fishing-pan：[https://blog.csdn.net/u013921430][https_blog.csdn.net_u013921430] 转载请注明出处

悠悠/ 2022年05月12日 05:22/ 0 赞/ 305 阅读

相关协方差

标准差和方差一般是用来描述一维数据的，这是我们已经掌握的内容，但现实生活我们常常遇到含有多维数据的数据集，最简单的大家上学时免不了要统计多个学科的考试成绩。面对这样的数据集，我

偏执的太偏执、/ 2022年05月09日 09:58/ 0 赞/ 208 阅读

相关方差、标准差以及协方差

方差、标准差以及协方差今天在看最优化基础的时候，看到一个协方差的使用，但是映像却不是很清晰，特写一篇博文记录协方差。 -------------------- 说到

蔚落/ 2022年04月08日 10:56/ 0 赞/ 294 阅读