有了代码如何建设网站,金鹏建设集团网站,网站建设及运营 经营范围,关于做教育新闻的网站接下来说说数据统计部分#xff0c;这里主要介绍数据采样#xff0c;标准差#xff0c;协方差和相关系数的使用方法。
1、数据采样 Excel 的数据分析功能中提供了数据抽样的功能#xff0c;如下图所示。Python 通过 sample 函数完成数据采样。
2、数据抽样 Sample 是进行…接下来说说数据统计部分这里主要介绍数据采样标准差协方差和相关系数的使用方法。
1、数据采样 Excel 的数据分析功能中提供了数据抽样的功能如下图所示。Python 通过 sample 函数完成数据采样。
2、数据抽样 Sample 是进行数据采样的函数设置 n 的数量就可以了。函数自动返回参与的结果。 1#简单的数据采样 2df_inner.sample(n3)
3、简单随机采样 Weights 参数是采样的权重通过设置不同的权重可以更改采样的结果权重高的数据将更有希望被选中。这里手动设置 6 条数据的权重值。将前面 4 个设置为 0后面两个分别设置为 0.5。 1 #手动设置采样权重 2 weights [0, 0, 0, 0, 0.5, 0.5] 3 df_inner.sample(n2, weightsweights) 手动设置采样权重1从采样结果中可以看出后两条权重高的数据被选中。 手动设置采样权重2Sample 函数中还有一个参数 replace用来设置采样后是否放回。 1 #采样后不放回 2 df_inner.sample(n6, replaceFalse)
4、描述统计 Excel 中的数据分析中提供了描述统计的功能。Python 中可以通过 Describe 对数据进行描述统计。 Describe 函数是进行描述统计的函数自动生成数据的数量均值标准差等数据。下面的代码中对数据表进行描述统计并使用 round 函数设置结果显示的小数位。并对结果数据进行转置。 1#数据表描述性统计 2df_inner.describe().round(2).T
5、标准差 Python 中的 Std 函数用来接算特定数据列的标准差。 1 #标准差 2 df_inner[‘price’].std() 3 1523.3516556155596
6、协方差 Excel 中的数据分析功能中提供协方差的计算python 中通过 cov 函数计算两个字段或数据表中各字段间的协方差。 Cov 函数用来计算两个字段间的协方差可以只对特定字段进行计算也可以对整个数据表中各个列之间进行计算。 1#两个字段间的协方差 2df_inner[‘price’].cov(df_inner[‘m-point’]) 317263.200000000001
7、相关分析 Excel 的数据分析功能中提供了相关系数的计算功能python 中则通过 corr 函数完成相关分析的操作并返回相关系数。
1相关系数 Corr 函数用来计算数据间的相关系数可以单独对特定数据进行计算也可以对整个数据表中各个列进行计算。相关系数在-1 到 1 之间接近 1 为正相关接近-1 为负相关0 为不相关。 1 #相关性分析 2 df_inner[‘price’].corr(df_inner[‘m-point’]) 3 0.77466555617085264
8、数据输出 第九部分是数据输出处理和分析完的数据可以输出为 xlsx 格式和 csv 格式。
1写入 excel 1#输出到 excel 格式 2df_inner.to_excel(‘excel_to_python.xlsx’, sheet_name‘bluewhale_cc’)
2写入CVS 1 #输出到 CSV 格式 2 df_inner.to_csv(‘excel_to_python.csv’) 在数据处理的过程中大部分基础工作是重复和机械的对于这部分基础工作我们可以使用自定义函数进行自动化。以下简单介绍对数据表信息获取自动化处理。 1 #创建数据表 2 df pd.DataFrame({‘id’:[1001,1002,1003,1004,1005,1006], 3’date’:pd.date_range(‘20130102’, periods6), 4’city’:[Beijing , ‘SH’, ’ guangzhou , ‘Shenzhen’, ‘shanghai’, BEIJING ], 5 ‘age’:[23,44,54,32,34,32], 6 ‘category’:[‘100-A’,‘100-B’,‘110-A’,‘110-C’,‘210-A’,‘130-F’], 7 ‘price’:[1200,np.nan,2133,5433,np.nan,4432]}, 8 columns [‘id’,‘date’,‘city’,‘category’,‘age’,‘price’]) 9 10 #创建自定义函数 11 def table_info(x): 12 shapex.shape 13 typesx.dtypes 14 columsx.columns 15 print(‘数据维度(行列):\n’,shape) 16 print(‘数据格式:\n’,types) 17 print(‘列名称:\n’,colums) 18 19 #调用自定义函数获取 df 数据表信息并输出结果 20 table_info(df) 21 22 数据维度(行列): 23 (6, 6) 24 数据格式: 25 id int64 26 date datetime64[ns] 27 city object 28 category object 29 age int64 30 price float64 31 dtype: object 32 列名称: 33 Index([‘id’, ‘date’, ‘city’, ‘category’, ‘age’, ‘price’], dtype‘object’)
以上就是如何用Python做数据统计的全部内容了。
文章来源网络 版权归原作者所有 上文内容不用于商业目的如涉及知识产权问题请权利人联系小编我们将立即处理
