肿瘤康复网 > 初学数据挖掘——数据探索（七）：python中主要的数据探索函数之常用统计特征函数

初学数据挖掘——数据探索（七）：python中主要的数据探索函数之常用统计特征函数

时间：2022-08-23 13:11:01

相关推荐

前面已经提过：python中主要用于数据探索的库是pandas（数据分析）和matplotlib（数据可视化）。

了解详情可见：Python中的数据可视化工具与方法——常用的数据分析包numpy、pandas、statistics的理解实现和可视化工具matplotlib的使用

pandas中提供了大量统计特征函数和统计绘图函数，因绘图函数依赖于matplotlib，所以往往会与matplotlib结合使用。

pandas常用统计特征函数

1、sum()

计算数据样本的总和（按列计算）

语法：sum(iterable[, start])

其中，iterable – 可迭代对象，如：列表、元组、集合；start – 指定相加的参数，如果没有设置这个值，默认为0。

sum([0,1,2])

sum((2, 3, 4), 1) # 元组计算总和后再加 1

sum([0,1,2,3,4], 2)# 列表计算总和后再加 2

2、mean()

计算数据样本的算术平均数；

mean()函数的参数很多，但是常用的就两种：

（1）直接对整个数组求平局；

（2）加上axis参数对不同的轴进行平均运算

注意：mean()函数来自numpy包，需要先安装下载numpy包：

pip install numpy

import numpy as npary = np.array([[1, 3], [2, 4]]) #创建一个二维数组print('ary:\n',ary)print('所有元素的平均值:',np.mean(ary)) #直接调用mean函数计算所有元素的平均值print('每一列的平均值:',np.mean(ary, axis=0)) #保留横轴，算每一列的平均值print('每一行的平均值:',np.mean(ary, axis=1)) #保留纵轴，算每一行的平均值

3、var()

计算数据样本的标准差

4、std()

计算数据样本的标准差

5、corr()

计算数据样本的相关系数矩阵

使用格式：

D.corr(method='pearson')

以上格式中：D(样本)可为DateFrame，返回相关系数矩阵。method参数指定计算方法，支持pearson（皮尔森相关系数，默认选项）、kendall（肯德尔系数）、spearman（斯皮尔曼系数）

S1.corr(S2,method='pearson')

以上格式中：S1、S2均为series（序列），这种格式用于指定计算两个series之间的相关系数。

实例：

计算两个列向量的相关系数，采用spearman方法。

# 计算两个列向量的相关系数import pandas as pdD = pd.DataFrame([range(1, 8), range(2, 9)]) # 生成样本D，一行为1~7，一行为2~8print('D:\n',D)print('相关系数矩阵:\n',D.corr(method='spearman')) # 计算相关系数矩阵S1 = D.loc[0] # 提取第一行S2 = D.loc[1] # 提取第二行print('S1、S2的相关系数:\n',S1.corr(S2, method='pearson')) # 计算S1、S2的相关系数

6、cov()

计算数据样本的协方差矩阵。

使用格式：

D.cov()

以上格式中：D(样本)可为DateFrame，返回协方差矩阵。

S1.cov(S2)

以上格式中：S1、S2均为series（序列），这种格式用于指定计算两个series之间的协方差。

实例：

计算6*5随机矩阵的协方差矩阵

# 计算6×5随机矩阵的协方差矩阵import numpy as npD = pd.DataFrame(np.random.randn(6, 5)) # 产生6×5随机矩阵print('协方差矩阵:\n',D.cov()) # 计算协方差矩阵print('S1、S2的协方差:\n',D[0].cov(D[1])) # 计算第一列和第二列的协方差