热线电话:13121318867

登录
首页精彩阅读Python数据分析入门教程(五):数据运算
Python数据分析入门教程(五):数据运算
2020-03-31
收藏


Python数据分析入门教程(五):数据运算

作者 | CDA数据分析师


进行到这一步就可以算是开始正式的烹饪了,在这部分之前的数据操作部分我们列举了一些不同维度的分析指标,这一章我们主要看看这些指标都是怎么计算出来的。


一、算术运算


算术运算就是基本的加减乘除,在Excel或者Python中数值类型的任意两列可以直接进行加、减、乘、除运算,Excel中的算术运算比较简单,这里就不展开了,下面主要介绍Python中的算术运算。

两列相加的具体实现如下图所示:



Python数据分析入门教程(五):数据运算



两列相减的具体实现如下图所示:


Python数据分析入门教程(五):数据运算


两列相乘的具体实现如下图所示:


Python数据分析入门教程(五):数据运算


两列相除的具体实现如下图所示:


Python数据分析入门教程(五):数据运算


任意一列加/减一个常数值,这一列中的所有值都加/减这个常数值,具体实现如下图所示:


Python数据分析入门教程(五):数据运算


任意一列乘/除一个常数值,这一列中的所有值都乘/除这个常数值,具体实现如下图所示:


Python数据分析入门教程(五):数据运算


二、比较运算


比较运算和Python基础知识中讲到的比较运算一致,也是常规的大于、等于、小于之类的,只不过这里的比较是在列与列之间进行的。

在Excel中列与列之间的比较运算和Python中的方法一致,例子如下图所示。


Python数据分析入门教程(五):数据运算


下面是一些Python中列与列之间比较的例子。


Python数据分析入门教程(五):数据运算


Python数据分析入门教程(五):数据运算


三、汇总运算


上面讲到的算术运算和比较运算都是在列与列之间进行的,运算结果是有多少行的值就会返回多少个结果,而汇总运算是将数据进行汇总返回一个汇总以后的结果值。


1、count非空值计数


非空值计数就是计算某一个区域中非空(单元格)数值的个数。


在Excel中counta()函数用于计算某个区域中非空单元格的个数。与counta()函数类似的一个函数是count()函数,它用于计算某个区域中含有数字的单元格的个数。


在 Python 中,直接在整个数据表上调用 count()函数,返回的结果为该数据表中每列的非空值的个数,具体实现如下所示。


Python数据分析入门教程(五):数据运算


count()函数默认是求取每一列的非空数值的个数,可以通过修改axis参数让其等于1,来求取每一行的非空数值的个数。


Python数据分析入门教程(五):数据运算


也可以把某一列或者某一行索引出来,单独查看这一列或这一行的非空值个数。


Python数据分析入门教程(五):数据运算


2、sum求和


求和就是对某一区域中的所有数值进行加和操作。


在 Excel 中要求取某一区域的和,直接在 sum()函数后面的括号中指明要求和的区域,即要对哪些值进行求和操作即可。例子如下所示。


Python数据分析入门教程(五):数据运算


在Python中,直接在整个数据表上调用sum()函数,返回的是该数据表每一列的求和结果,例子如下所示。


Python数据分析入门教程(五):数据运算


sum()函数默认对每一列进行求和,可通过修改axis参数,让其等于1,来对每一行的数值进行求和操作。


Python数据分析入门教程(五):数据运算


也可以把某一列或者某一行索引出来,单独对这一列或这一行数据进行求和操作。


Python数据分析入门教程(五):数据运算


3、 mean求均值


求均值是针对某一区域中的所有值进行求算术平均值运算。均值是用来衡量数据一般情况的指标,容易受到极大值、极小值的影响。


在Excel中对某个区域内的值进行求平均值运算,用的是average()函数,只要在average()函数中指明要求均值运算的区域即可,比如:


Python数据分析入门教程(五):数据运算


在Python中的求均值利用的是mean()函数,如果对整个表直接调用mean()函数,返回的是该表中每一列的均值。


Python数据分析入门教程(五):数据运算


mean()函数默认是对数据表中的每一列进行求均值运算,可通过修改 axis 参数,让其等于1,来对每一行进行求均值运算。


Python数据分析入门教程(五):数据运算


也可以把某一列或者某一行通过索引的方式取出来,然后在这一行或这一列上调用mean()函数,单独求取这一行或这一列的均值。


Python数据分析入门教程(五):数据运算


4、 max求最大值


求最大值就是比较一组数据中所有数值的大小,然后返回最大的一个值。


在Excel和Python中,求最大值使用的都是max()函数,在Excel中同样只需要在max()函数中指明要求最大值的区域即可;在Python中,和其他函数一样,如果对整个表直接调用max()函数,则返回该数据表中每一列的最大值。max()函数也可以对每一行求最大值,还可以单独对某一行或某一列求最大值。


Python数据分析入门教程(五):数据运算


Python数据分析入门教程(五):数据运算


5、min求最小值


求最小值与求最大值是相对应的,通过比较一组数据中所有数值的大小,然后返回最小的那个值。


在Excel和Python中都使用min()函数来求最小值,它的使用方法与求最大值的类似,这里不再赘述。示例代码如下。


Python数据分析入门教程(五):数据运算


6、 median求中位数


中位数就是将一组含有n个数据的序列X按从小到大排列,位于中间位置的那个数。


中位数是以中间位置的数来反映数据的一般情况,不容易受到极大值、极小值的影响,因而在反映数据分布情况上要比平均值更有代表性。


现有序列为X:{X1、X2、X3、......、Xn}。


如果n为奇数,则中位数:


Python数据分析入门教程(五):数据运算


如果n为偶数,则中位数:


Python数据分析入门教程(五):数据运算


例如,1、3、5、7、9的中位数为5,而1、3、5、7的中位数为(3+5)/2=4。


在Excel和Python中求一组数据的中位数,都是使用median()函数来实现的。


下面为在Excel中求中位数的示例:


Python数据分析入门教程(五):数据运算


在Python中,median()函数的使用原则和其他函数的一致。


Python数据分析入门教程(五):数据运算


7、mode求众数


顾名思义,众数就是一组数据中出现次数最多的数,求众数就是返回这组数据中出现次数最多的那个数。


在Excel和Python中求众数都使用mode()函数,使用原则与其他函数完全一致。


在Excel中求众数的示例如下:


Python数据分析入门教程(五):数据运算


在Python中求众数的示例如下:


Python数据分析入门教程(五):数据运算


Python数据分析入门教程(五):数据运算


8、var求方差


方差是用来衡量一组数据的离散程度(即数据波动幅度)的。


在Excel和Python中求一组数据中的方差都使用var()函数。


下面为在Excel中求方差的示例:


Python数据分析入门教程(五):数据运算


在Python中,var()函数的使用原则和其他函数的一致。


Python数据分析入门教程(五):数据运算


9、std求标准差


标准差是方差的平方根,二者都是用来表示数据的离散程度的。


在Excel中计算标准差使用的是stdevp()函数,示例如下:


Python数据分析入门教程(五):数据运算


在Python中计算标准差使用的是std()函数,std()函数的使用原则与其他函数的一致,示例如下:


Python数据分析入门教程(五):数据运算


10、quantile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、四分之二分位数、四分之三分位数,而四分之二分位数就是中位数。


在Excel中求分位数用的是percentile()函数,示例如下:





在Python中求分位数用的是quantile()函数,要在quantile后的括号中指明要求取的分位数值,quantile()函数与其他函数的使用规则相同。


Python数据分析入门教程(五):数据运算


Python数据分析入门教程(五):数据运算


四、相关性运算


相关性常用来衡量两个事物之间的相关程度,比如我们前面举的例子:啤酒与尿布二者的相关性很强。我们一般用相关系数来衡量两者的相关程度,所以相关性计算其实就是计算相关系数,比较常用的是皮尔逊相关系数。


在Excel中求取相关系数用的是correl()函数,示例如下:


Python数据分析入门教程(五):数据运算


在Python中求取相关系数用的是corr()函数,示例如下:


Python数据分析入门教程(五):数据运算


还可以利用 corr()函数求取整个 DataFrame 表中各字段两两之间的相关性,示例如下:


Python数据分析入门教程(五):数据运算


Python数据分析入门教程(五):数据运算


更多干货内容陆续分享给大家,请持续关注我们吧!


数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询