pandas的統計分析

import pandas as pd

import numpy as np

data = pd.read_excel("./meal_order_detail.xlsx")

print(『data：\n』, data)

print(『data 的列索引：\n』, data.columns)

print(『data 的資料型別：\n』, data.dtypes)

print(』*』 * 100)

print(『amounts counts 列的最小值：\n』,data.loc[:,[『amounts』,『counts』]].min())

print(type(data.loc[:,[『amounts』,『counts』]].min())) #

#對 amounts 進行統計指標

#print(『amounts 列 最小值：\n』, data.loc[:, 『amounts』].min())

#print(『amounts 列 最大值：\n』, data.loc[:, 『amounts』].max())

print(『amounts 列 均值：\n』, data.loc[:, 『amounts』].mean())

#print(『amounts 列 方差：\n』, data.loc[:, 『amounts』].var())

#print(『amounts 列 標準差：\n』, data.loc[:, 『amounts』].std())

#print(『amounts 列 極差：\n』, data.loc[:, 『amounts』].ptp())

#print(『amounts 列 非空數值的數量：\n』, data.loc[:, 『amounts』].count())

#print(『cost 列 非空數值的數量：\n』, data.loc[:, 『cost』].count())

#print(『amounts 列最大值的下標：\n』, data.loc[:, 『amounts』].idxmax()) # np.argmax

#print(『amounts 列最小值的下標：\n』, data.loc[:, 『amounts』].idxmin()) # np.argmin

#print(『amounts 列的眾數 為：\n』,data.loc[:,『amounts』].mode())

#print(『amounts 列的眾數 為的型別為：\n』,type(data.loc[:,『amounts』].mode()))

#print(『dishes_name 列的眾數為：\n』,data.loc[:,『dishes_name』].mode())

#print(『amounts 列的中位數：\n』,data.loc[:,『amounts』].median())

#print(『amounts 列的分位數：\n』,data.loc[:,『amounts』].quantile())

#print(『amounts 列的分位數：\n』, data.loc[:, 『amounts』].quantile(q=np.arange(0, 1 + 1 / 4, 1 / 4)))

#print(『amounts 列的分位數：\n』, data.loc[:, 『amounts』].quantile(q=np.arange(0, 1 + 1 / 5, 1 / 5)))

#分位數–min 25% 50% 75% max

#對 amounts 列進行 describe描述

#print(『amounts 列進行describe 描述：\n』,data.loc[:,『amounts』].describe())

#data.loc[:, 『dishes_name』] = data.loc[:, 『dishes_name』].astype(『category』)

data.loc[:, 『dishes_name』] = data.loc[:, 『dishes_name』].astype(『object』)

print(『dishes_name 列的describe 描述：\n』, data.loc[:, 『dishes_name』].describe())

print(『data 的資料型別：\n』,data.dtypes)

pandas統計分析基礎（2）

pandas描述性統計方法的常見方法 方法統計含義 方法統計含義 min最小值 max最大值 mean 均值count 非空數目 median 中位數mode 眾數std 標準差var 方差cov 協方差ptp 極差skew 樣本偏度 kurt 樣本峰度 sem標準誤差 quantile 四分位數 ...

pandas的資料累計統計分析

本文的主要內容是基於中國大學mooc 慕課 中的 python資料分析與視覺化 課程進行整理和總結。資料的累計統計分析是能夠對序列中的前n個數進行累計運算，對於一些大量的資料分析中，可以減少for迴圈的使用，也使得資料的運算變得更加靈活。pandas提供了一組資料累計統計分析函式，這些函式都適用於s...

Pandas統計分析基礎之DataFrame

3 更改dataframe中的資料 4 增加dataframe中的資料 刪除dataframe中的資料 dataframe類似於資料庫的表或者excel的 panda將資料讀取之後，以dataframe的資料結構儲存在記憶體中。下面就來介紹一下dataframe的增刪查改操作。因為dataframe...