Python pandas入门系列之众数和分位数

准备

本文用到的表格内容如下:

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
0 89 78 98
1 35 34 34
2 43 56 25
3 35 78 83
4 67 46 65
5 89 89 83
6 96 45 83
7 35 67 45
8 35 78 83

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
0 35 78 83

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
0 78.0 89.0 98.0
1 34.0 NaN NaN
2 25.0 43.0 56.0
3 35.0 78.0 83.0
4 46.0 65.0 67.0
5 89.0 NaN NaN
6 45.0 83.0 96.0
7 35.0 45.0 67.0
8 35.0 78.0 83.0

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:

0 35
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
0 89 78 98

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
0 35 78

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
0 35 34 34
1 89 78 98

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

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:

0 83.5
1 34.0
2 34.0
3 56.5
4 55.5
5 86.0
6 64.0
7 40.0
8 56.5
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 pd
import numpy as np
data = 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 pd
import numpy as np
data = 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本站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本站！

香港服务器租用

版权声明：本站文章来源标注为YINGSOO的内容版权均为本站所有，欢迎引用、转载，请保持原文完整并注明来源及原文链接。禁止复制或仿造本网站，禁止在非www.yingsoo.com所属的服务器上建立镜像，否则将依法追究法律责任。本站部分内容来源于网友推荐、互联网收集整理而来，仅供学习参考，不代表本站立场，如有内容涉嫌侵权，请联系alex-e#qq.com处理。