English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Tutorial di Pandas

Statistica descrittiva di Pandas

Esempio di operazioni statistica descrittiva di Pandas

Il DataFrame viene utilizzato per un gran numero di calcoli di informazione statistica descrittiva e altre operazioni correlate. La maggior parte di queste è aggregativa, ad esempio sum(), mean(), ma alcune aggregazioni (ad esempio sumsum()) producono oggetti di dimensioni identiche. In generale, questi metodi utilizzano il parametro asse, come ndarray. {sum, std, ...} ma possono essere specificati per nome o come intero DataFrame − Indice (asse=0, predefinito), Colonna (asse=1)

Creiamo un DataFrame e utilizziamo questo oggetto per tutte le operazioni di questa sezione.

Esempio

　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df)

Risultato dell'esecuzione：

　　　　　　　　Età　　Nome　　　Valutazione
0　　　25　　Tom　　　　　4.23
1　　　26　　James　　　3.24
2　　　25　　Ricky　　　3.98
3　　　23　　Vin　　　　　2.56
4　　　30　　Steve　　　3.20
5　　　29　　Smith　　　4.60
6　　　23　　Jack　　　　3.80
7　　　34　　Lee　　　　　3.78
8　　　40　　David　　　2.98
9　　　30　　Gasper　　4.80
10　　51　　Betina　　4.10
11　　46　　Andres　　3.65

sum()

Restituisce la somma dei valori dell'asse richiesto. Per impostazione predefinita, l'asse è l'indice (asse=0)

　import　pandas　as　pd
　import　numpy　as　np
　　
　# Creare un dizionario di Series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum())

Risultato dell'esecuzione：

　　　　Età　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　382
Nome TomJamesRickyVinSteveSmithJackLeeDavidGasperBe...
Valutazione 44.92
dtype: object

Ogni colonna singola aggiunge una stringa

axis=1

Questa sintassi genererà il seguente contenuto.

　import　pandas　as　pd
　import　numpy　as　np
　　
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　　
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum(1))

Risultato dell'esecuzione：

　　　　0 29.23
1 29.24
2 28.98
3 25.56
4 33.20
5 33.60
6 26.80
7 37.78
8 42.98
9 34.80
10 55.10
11 49.65
dtype: float64

mean()

Restituisce la media.

　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.mean())

Risultato dell'esecuzione：

　　　　Età 31.833333
Valutazione 3.743333
dtype: float64

std()

Restituisce la deviazione standard Bressel delle colonne numeriche.

　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.std())

Risultato dell'esecuzione：

　　　　Età 9.232682
Valutazione 0.661628
dtype: float64

Funzioni & Descrizione

Ora esaminiamo le funzioni di statistica descrittiva in Python Pandas. La tabella seguente elenca le funzioni importanti:

NumeroMetodoDescrizione
1count()Contatore non vuoto
2sum()Totale
3mean()Media
4median()Mediana
5mode()Modo
6std()Deviazione standard
7min()Minimo
8max()Massimo
9abs()Valore assoluto
10prod()Prodotto
11cumsum()Somma cumulativa
12cumprod()Moltiplicazione cumulativa
Attenzione: − Poiché DataFrame è una struttura dati eterogenea. Le operazioni generiche non si applicano a tutte le funzioni.
    Funzioni come sum() e cumsum() possono essere utilizzate per elementi numerici e caratteri (o) stringhe senza generare alcun errore. Anche se le collection di caratteri non sono utilizzate universalmente, non generano alcuna eccezione.
  • Quando DataFrame contiene dati di carattere o stringa, funzioni come abs() e cumprod() generano eccezioni perché tali operazioni non possono essere eseguite.

Riepilogo dati

　　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe())

Risultato dell'esecuzione：

　　　　　　　　　　　　　　　　Age　　　　　　　　　Rating
count　　　　12.000000　　　　　　12.000000
mean　　　　　31.833333　　　　　　　3.743333
std　　　　　　　9.232682　　　　　　　0.661628
min　　　　　　23.000000　　　　　　　2.560000
25%　　　　　　25.000000　　　　　　　3.230000
50%　　　　　　29.500000　　　　　　　3.790000
75%　　　　　　35.500000　　　　　　　4.132500
max　　　　　　51.000000　　　　　　　4.800000

Questa funzione fornisce valori di media, std e IQR. E non include le colonne di caratteri e le摘要 relative alle colonne numeriche fornite. "include" è un parametro necessario per trasmettere le informazioni necessarie sulle colonne da considerare durante la somma. Valori della lista; per impostazione predefinita è "number".

object − Sommare le colonne di stringhenumber − Sommare le colonne numericheall − Sommare tutte le colonne insieme (non dovrebbe essere considerato come valore di lista)

Di seguito, nel nostro programma utilizziamo le seguenti istruzioni e eseguiamo e visualizziamo:

　　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe(include=['object']))

Risultato dell'esecuzione：

　　　　　　　　　　　Name
count　　　　　　　12
unique　　　　　　12
top　　　　　　Ricky
freq　　　　　　　　　1

Di seguito, nel nostro programma utilizziamo le seguenti istruzioni e eseguiamo e visualizziamo:

　　import　pandas　as　pd
　import　numpy　as　np
　#　Creare un dizionario di series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　'Age': pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating': pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　# Creare un DataFrame
　df　=　pd.DataFrame(d)
　print(df.　describe(include='all'))

Risultato dell'esecuzione：

　　　　　　　　　　　Age　　Name　　Rating
count　　12.000000　　12　　12.000000
unique　　NaN　　12　　NaN
top　　NaN　　Ricky　　NaN
freq　　NaN　　1　　NaN
mean　　31.833333　　NaN　　3.743333
std　　9.232682　　NaN　　0.661628
min　　23.000000　　NaN　　2.560000
25%　　25.000000　　NaN　　3.230000
50%　　29.500000　　NaN　　3.790000
75%　　35.500000　　NaN　　4.132500
max　　51.000000　　NaN　　4.800000
Operazioni SQL di PandasMetodi di base di Pandas