学习笔记之第八章 数据运算（八）

第8章 数据运算 8.1 算术运算

• 算术运算就是基本的加减乘除，在Excel或Python中数值类型的任意两列可以直接进行加、减、乘、除运算，而且是对应元素进行加、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。

df = pd.Dataframe([(1,2,3),(4,5,6),(7,8,9)],columns = ["一列","二列","三列"])
df

• 输出结果

一列	二列	三列
0	1	2	3
1	4	5	6
2	7	8	9

#两列相加
df["一列"]+df["二列"]

• 输出结果

0     3
1     9
2    15
dtype: int64

#两列相减
df["一列"]-df["二列"]

• 输出结果

0   -1
1   -1
2   -1
dtype: int64

#两列相乘
df["一列"]*df["二列"]

• 输出结果

0     2
1    20
2    56
dtype: int64

#两列相除
df["一列"]/df["二列"]

• 输出结果

0    0.500
1    0.800
2    0.875
dtype: float64

#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
df["三列"]+2

• 输出结果

0     5
1     8
2    11
Name: 三列, dtype: int64

#任意一列乘/除一个常数值，这一列中的所有值都乘/除这一常数值
df["三列"]*2

• 输出结果

0     6
1    12
2    18
Name: 三列, dtype: int64

8.2 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。常用的比较运算符见2.9.2节。

df["一列"]>df["二列"]

• 输出结果

0    False
1    False
2    False
dtype: bool

8.3 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。

8.3.1 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 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。

df.count()

• 输出结果

订单编号     5
客户姓名     5
唯一识别码    5
年龄       5
交易日期     5
销售id     5
dtype: int64

• 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。

df.count(axis = 1)

• 输出结果

0    6
1    6
2    6
3    6
4    6
dtype: int64

• 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。

8.3.2 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

df.sum()

• 输出结果

订单编号     A1A2A3A4A5
客户姓名     张旭李刚孙峰赵恒赵恒
唯一识别码           514
年龄              489
销售id              9
dtype: object

df.sum(axis = 1)

• 输出结果

0    126
1    138
2    127
3    310
4    311
dtype: int64

• 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。

8.3.3 mean求均值

• 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。

df["年龄"].mean()

• 输出结果

97.8

• 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。
• 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。

8.3.4 max求最大值

df["年龄"].max()

• 输出结果

204

8.3.5 min求最小值

df["年龄"].min()

• 输出结果

23

8.3.7 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。

 df["年龄"].mode()

• 输出结果

204

8.3.8 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。

df["年龄"].var()

• 输出结果

9417.2

8.3.9 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

df["年龄"].std()

• 输出结果

97.04225883603493

8.3.10 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。

df["年龄"].quantile(q = 0.75)

• 输出结果

204.0

8.4 相关性运算

• 相关性常用来衡量两个事物之间的相关程度
• 在Python中求取相关系数用的是corr()函数

df = pd.Dataframe([(1,3),(3,5),(5,6),(6,8),(8,10)])
df

• 输出结果

	0	1
0	1	3
1	3	5
2	5	6
3	6	8
4	8	10

df.corr()

• 输出结果

0	1
0	1.000000	0.986301
1	0.986301	1.000000