栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

数据挖掘技术与应用:描述统计DataFrame数值型特征数据

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

数据挖掘技术与应用:描述统计DataFrame数值型特征数据

描述统计DataFrame数值型特征数据

  1. 准备数据

准备数据meal_order_detail1.csv,并将meal_order_detail1.csv放到Linux本地/course/DataAnalyze/data目录

  1. 数值型特征的描述性统计
  1. pandas库基于NumPy,可以用这些函数对数据框进行描述性统计,例如代码 421。

代码 421 NumPy计算平均价格

In[33]:

import numpy as np

print('订单详情表中amount(价格)的平均值为:', np.mean(detail['amounts']))

Out[33]:

订单详情表中amount(价格)的平均值为: 45.343084145901045

  1. 上述用numpy实现菜品销量价格的均值,也可以通过pandas实现,具体实现详如代码 422所示。

代码 422 pandas实现销量和价格的协方差矩阵计算

In[34]:

print('订单详情表中amount(价格)的平均值为:', detail['amounts'].mean())

Out[34]:

订单详情表中amount(价格)的平均值为: 45.343084145901045

  1. Pandas还提供了一个方法叫作describe,能够一次性得出数据框所有数值型特征的非空值数目、均值、四分位数、标准差。具体实现代码 和结果如代码 423所示。

代码 423 describe方法实现数值型数据描述性统计

In[35]:

print('订单详情表counts和amounts两列的描述性统计为:n',

      detail[['counts','amounts']].describe())

Out[35]:

订单详情表counts和amounts两列的描述性统计为:

             counts      amounts

count  2769.000000  2769.000000

mean      1.111593    45.343084

std       0.626521    36.841316

min       1.000000     1.000000

25%       1.000000    25.000000

50%       1.000000    35.000000

75%       1.000000    56.000000

max      10.000000   178.000000

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/890352.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号