Python資料分析之：Pandas的基本資料分析功能

文章目錄

• 1. pandas 建立 Series 格式資料
• 2. pandas 建立 dataframe 格式資料
• 3. 使用pandas内置函數來分析資料
• • 3.1 describe()
  • 3.2 var / sum
  • 3.3 求相關性 corr
  • 3.4 計算協方差 cov
  • 3.5 skew 偏度（三階矩）/kurt 峰度（四階矩）

Pandas 是 Python資料分析的強有效的庫，主要通過 Series 結構和 DataFrame 結構來進行資料表格的建立，并通過其内置的一些函數進行資料的統計和分析。

1. pandas 建立 Series 格式資料

import pandas

pd = pandas.Series([4,5,6,7],['1','2','3','4'])
print(pd)


           

2. pandas 建立 dataframe 格式資料

import pandas as pd
data = pd.DataFrame([1,2],['0','1'],['data'])

print(data)

           

或者：

import pandas as pd
lst = [list(range(1,5)),list(range(6,10))]
data = pd.DataFrame(lst,['0','1'],['data1','data2','data3','data4'])

print(data)
           

PS: pandas 的 dataframe結構任意取出一行或者一列，其結構都是 Series。

3. 使用pandas内置函數來分析資料

3.1 describe()

import pandas as pd
lst = [list(range(1,5)),list(range(6,10))]
data = pd.DataFrame(lst,index=['0','1'],columns=['data1','data2','data3','data4'])
describe = data.describe()
print(describe)
           

describe()函數最終會呈現每一列資料的count（非空值的個數）、mean（這一列的均值）、std（這一列的标準差）、min（最小值）、25%（下四分位數）、50%（中位數）、75%（上四分位數）、max（最大值）

3.2 var / sum

import pandas as pd
lst = [list(range(1,5)),list(range(6,10))]
data = pd.DataFrame(lst,index=['0','1'],columns=['data1','data2','data3','data4'])
describe = data.describe()
var = data.var()            #求方差
sum = data.sum()            #求和
print(var,'\n',sum,'\n')

           

3.3 求相關性 corr

相關性的标準有 Pearson 和 spearman等

import pandas as pd
data = pd.DataFrame([range(1,8),range(2,9)])
print(data)
s1 = data.loc[0]
s2 = data.loc[1]
data.corr(method='pearson')
corr = s1.corr(s2)
print(corr)
           

3.4 計算協方差 cov

import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(6,5))
print(data,'\n')
cov = data[0].cov(data[1])
print(cov)
           

3.5 skew 偏度（三階矩）/kurt 峰度（四階矩）

import pandas as pd
import numpy as np
data = pd.DataFrame(np.random.randn(6,5))
print(data)
print(data.skew())
print(data.kurt())