Pandas Series对象常用统计函数
Series 中提供了常用的统计方法。除了 Numpy 中已有的方法外，还增加了一些比较便捷的方法，示例代码如下。
In [1]: import pandas as pd In [2]: a=pd.Series([0,1,2,3,4,5])
1) all()
与 Python 中自带的 all 方法类似，判断一个序列中所有值是否全部为真。In [3]: a.all() # 判断是否全为真，因为存在0所以是False Out[3]: False
2) any()
与 Python 中自带的 any 方法类似，判断一个序列中所有值是否有一个为真。In [4]: a.any() # 判断是否有真 Out[4]: True
3. sum()
与 Numpy 中的 sum 方法类似，计算序列的和。In [5]: a.sum() # 求和 Out[5]: 15
4) cumsun()
与 Numpy 中的 cumsum 方法类似，计算序列的累加值。In [6]: a.cumsum() # 累加 Out[6]: 0 0 1 1 2 3 3 6 4 10 5 15 dtype: int64
5) pct_change()
pct_change 方法用来计算增长率。In [7]: a.pct_change() # 增长率 Out[7]: 0 NaN 1 inf 2 1.000000 3 0.500000 4 0.333333 5 0.250000 dtype: float64
6) prod()
与 Numpy 中的 prod 方法类似，计算序列的乘积。In [8]: a[1:].prod() # 乘积 Out[8]: 120
7) cumprod()
与 Numpy 中的 cumprod 方法类似，计算序列的累乘积。In [9]: a[1:].cumprod() # 累乘 Out[9]: 1 1 2 2 3 6 4 24 5 120 dtype: int64
8) max()
与 Python 中自带的 max 方法和 Numpy 中的 amax 方法类似，求序列中的最大值。In [10]: a.max() # 最大值 Out[10]: 5
9）idmax()
与 Numpy 中的 argmax 方法类似，求序列中最大值的索引。In [11]: a.idxmax() # 返回最大值的索引 Out[11]: 5
10)min()
与 Python 中自带的 min 方法和 Numpy 中的 amin 方法类似，求序列中的最小值。In [12]: a.min() # 最小值 Out[12]: 0
11）idmin()
与 Numpy 中的 argmin 方法类似，求序列中最小值的索引。In [13]: a.idxmin() #返回最小值的下标 Out[13]: 0
12）nlargest()
nlargest方法用来返回序列中值最大的两个数。In [14]: a.nlargest(2) # 最大的两个数 Out[14]: 5 5 4 4 dtype: int64
13) nsmallest()
nsmallest 方法用来返回序列中值最小的两个数。In [15]: a.nsmallest(2) # 最小的两个数 Out[15]: 0 0 1 1 dtype: int64
14) mean()
与 Numpy 中的 mean 方法类似，求序列的平均值。In [16]: a.mean() # 平均值 Out[16]: 2.5
15）median()
与 Numpy 中的 median 方法类似，求序列的中位数。In [17]: a.median() # 中位数 Out[17]: 2.5
16) quantile()
与 Numpy 中的 percentile 方法类似，求序列的分位数。In [18]: a.quantile(0.5) # 0.5分位数 Out[18]: 2.5
17) std()
与 Numpy 中的 std 方法类似，求序列的标准差。In [19]: a.std() # 标准差 Out[19]: 1.8708286933869707
18) var()
与 Numpy 中的 var 方法类似，求序列的方差。In [20]: a.var() # 求方差 Out[20]: 3.5
19) describe
describe 方法是一个便捷的统计方法，它可以用来输出一个序列的基础的描述统计函数。In [21]: a.describe() # 描述序列 Out[21]: count 6.000000 mean 2.500000 std 1.870829 min 0.000000 25% 1.250000 50% 2.500000 75% 3.750000 max 5.000000 dtype: float64
20）kurt()和skew()
kurt 和 skew 方法用来输出序列的峰度和偏度。In [22]: a.kurt() # 峰度 Out[22]: -1.2000000000000002 In [23]: a.skew() # 偏度 Out[23]: 0.0
21）cov()和 corr()
cov 和 corr 方法用来计算两个序列的协方差和相关性系数。In [24]: b=pd.Series([-5,-4,-3,-2,-1,0]) In [25]: a.cov(b) # 协方差 Out[25]: 3.5 In [26]: a.corr(b) # 相关性 Out[26]: 1.0
