Python|Python pandas入门系列之众数和分位数 Pythonpandas入门系列之众数和分

准备
1.求众数

1.1对全表进行操作

1.1.1求取每列的众数
1.1.2 求取每行的众数

1.2 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的众数
1.2.2 求取单独某一行的众数

1.3 对多行或者多列进行操作

1.3.1 求取多列的众数
1.3.2 求取多行的众数

2 求分位数

2.1 求取不同分位的分位数

2.1.1 四分之一分位数
2.1.2 四分之三分位数

2.2对全表进行操作

2.2.1对每一列求分位数
2.2.2 对每一行求分位数

2.3 对单独的一行或者一列进行操作

2.3.1 对某一列求分位数
2.3.2 对某一行求分位数

2.4 对多行或者多列进行操作

2.4.1 对多列求分位数
2.4.2 对多行求分位数

附：pandas 和 numpy计算分位数的区别

总结

准备本文用到的表格内容如下:

文章图片

先来看一下原始情形:

import pandas as pd?df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df)

result:

数学成绩语文成绩英语成绩
0897898
1353434
2435625
3357883
4674665
5898983
6964583
7356745
8357883

1.求众数
1.1对全表进行操作

1.1.1求取每列的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.var())

result:

数学成绩语文成绩英语成绩
0357883

1.1.2 求取每行的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.mode(axis=1))

result:

012
078.089.098.0
134.0NaNNaN
225.043.056.0
335.078.083.0
446.065.067.0
589.0NaNNaN
645.083.096.0
735.045.067.0
835.078.083.0

1.2 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.mode(axis=1))

result:

035
dtype: int64

1.2.2 求取单独某一行的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.iloc[[0]].mode())

result:

数学成绩语文成绩英语成绩
0897898

1.3 对多行或者多列进行操作

1.3.1 求取多列的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df[['数学成绩', "语文成绩"]].mode())

result:

数学成绩语文成绩
03578

1.3.2 求取多行的众数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.iloc[[0, 1]].mode())

result:

数学成绩语文成绩英语成绩
0353434
1897898

2 求分位数分位数是比中位数更加详细的基于位置的指标，分位数主要有四分之一分位数，二分之一分位数(就是中位数)、四分之三分位数

2.1 求取不同分位的分位数
【Python|Python pandas入门系列之众数和分位数】
2.1.1 四分之一分位数

import pandas as pd?df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.quantile(0.25))

result:

数学成绩35.0
语文成绩46.0
英语成绩45.0
Name: 0.25, dtype: float64

2.1.2 四分之三分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.quantile(0.75))

result:

数学成绩89.0
语文成绩78.0
英语成绩83.0
Name: 0.75, dtype: float64

2.2对全表进行操作

2.2.1对每一列求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.quantile(0.25))

result:

数学成绩35.0
语文成绩46.0
英语成绩45.0
Name: 0.25, dtype: float64

2.2.2 对每一行求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.quantile(0.25, axis=1))

result:

083.5
134.0
234.0
356.5
455.5
586.0
664.0
740.0
856.5
Name: 0.25, dtype: float64

2.3 对单独的一行或者一列进行操作

2.3.1 对某一列求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df['数学成绩'].quantile(0.25))

result:

35.0

2.3.2 对某一行求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.iloc[[0]].quantile(0.25))

result:

数学成绩89.0
语文成绩78.0
英语成绩98.0
Name: 0.25, dtype: float64

2.4 对多行或者多列进行操作

2.4.1 对多列求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df[['数学成绩', "语文成绩"]].quantile(0.25))

result:

数学成绩35.0
语文成绩46.0
Name: 0.25, dtype: float64

2.4.2 对多行求分位数

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df.iloc[[0, 1]].quantile(0.25))

result:

数学成绩48.5
语文成绩45.0
英语成绩50.0
Name: 0.25, dtype: float64

附：pandas 和 numpy计算分位数的区别 pandas 和 numpy中都有计算分位数的方法，pandas中是quantile，numpy中是percentile
两个方法其实没什么区别，用法上稍微不同，quantile的优点是与pandas中的groupby结合使用，可以分组之后取每个组的某分位数
quantile代码：

import pandas as pdimport numpy as npdata = https://www.it610.com/article/pd.read_csv('order_rank_p_0409.txt',sep='\t')#将data按id_1 和 id_2 分组grouped=data.groupby(['id_1','id_2'])#用quantile计算第40%的分位数grouped['gmv'].quantile(0.4) #用to_csv生成文件x.to_csv('order_ran_re.txt',sep= '\t')

percentile代码：

import pandas as pdimport numpy as npdata = https://www.it610.com/article/pd.read_csv('order_rank_p_0409.txt',sep='\t')a = array(data['gmv'])np.percentile(a,0.4)

两段代码，两种方法计算的结果是一样的

总结到此这篇关于Python pandas系列之众数和分位数的文章就介绍到这了,更多相关pandas众数和分位数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！