PYTHON PANDAS入门-（5）PANDAS的汇总统计函数

一、pandas的常用统计函数:

1、汇总类

2、唯一去重和按值计数

3、相关系数和方差

二、汇总类

1、df.describe():提取所有数字列的统计结果

1）查看全部书之列

import pandas as pd
df=pd.read_csv('./beijing_tianqi/beijing_tianqi_2018.csv') #读取文件
# print(df.head())
df['bWendu']=df['bWendu'].str.replace('℃','').astype('int32') #去掉°C符号
df['yWendu']=df['yWendu'].str.replace('℃','').astype('int32')
# print(df.head())
print(df.describe())
'''
           bWendu      yWendu         aqi    aqiLevel
count  365.000000  365.000000  365.000000  365.000000 #计数
mean    18.665753    8.358904   82.183562    2.090411 #均值
std     11.858046   11.755053   51.936159    1.029798 #标准差
min     -5.000000  -12.000000   21.000000    1.000000
25%      8.000000   -3.000000   46.000000    1.000000
50%     21.000000    8.000000   69.000000    2.000000
75%     29.000000   19.000000  104.000000    3.000000
max     38.000000   27.000000  387.000000    6.000000
'''
print(type(df.describe()))
'''
<class 'pandas.core.frame.DataFrame'>
'''

2）查看某一个数值列

print(df['bWendu'].describe())
print('______________________')
print(df['bWendu'].mean())
'''
count    365.000000
mean      18.665753
std       11.858046
min       -5.000000
25%        8.000000
50%       21.000000
75%       29.000000
max       38.000000
Name: bWendu, dtype: float64
______________________
18.665753424657535
'''

  三、唯一去重和按值计数：一般不用于数值列，而是枚举、分类列

1、唯一去重：df[].unique()

#去重函数
print(df.shape)
print('__________________')
print(df['fengxiang'].unique()) #查看‘风向列’有多少种取值
'''
(365, 9)
__________________
['东北风' '北风' '西北风' '西南风' '南风' '东南风' '东风' '西风']

'''

2、按值计数：df[].value_counts计算不同取值各有多少个

#按值计数
print(df['fengxiang'].value_counts())
'''
南风     92
西南风    64
北风     54
西北风    51
东南风    46
东北风    38
东风     14
西风      6
Name: fengxiang, dtype: int64
''''

四、相关系数和协方差

协方差：衡量同向反向的程度，如果为正，说明同向变化，数值越大说明同向程度越高；如果为负数，说明是相反变化，数值越小说明反向长度越高

相关系数：衡量相似系数，如果为1，说明两个变量变化时正向相似度最大，如果为-1，说明变量变化的反向相似度最大

print(df.cov())                                                                              #协方差矩阵
print('----------------------------------')
print(df.corr())                                                                            #相关系数矩阵
print('----------------------------------')
print('最高温与空气质量的相关系数为{}：'.format(df['aqi'].corr(df['bWendu'])))                   
print('----------------------------------')
print('最低温与空气质量的相关系数为：{}'.format(df['aqi'].corr(df['yWendu'])))
print('----------------------------------')
print('温差与空气质量的相关系数为：{}'.format(df['aqi'].corr(df['bWendu']-df['yWendu'])))
'''
              bWendu      yWendu          aqi   aqiLevel
bWendu    140.613247  135.529633    47.462622   0.879204
yWendu    135.529633  138.181274    16.186685   0.264165
aqi        47.462622   16.186685  2697.364564  50.749842
aqiLevel    0.879204    0.264165    50.749842   1.060485
----------------------------------
            bWendu    yWendu       aqi  aqiLevel
bWendu    1.000000  0.972292  0.077067  0.071999
yWendu    0.972292  1.000000  0.026513  0.021822
aqi       0.077067  0.026513  1.000000  0.948883
aqiLevel  0.071999  0.021822  0.948883  1.000000
----------------------------------
最高温与空气质量的相关系数为0.07706705916811077：
----------------------------------
最低温与空气质量的相关系数为：0.02651328267296879
----------------------------------
温差与空气质量的相关系数为：0.21652257576382047

'''