一文看懂怎么用Python做数据分析

在前面的基本上增进第二个列名称，漫衍对 city 和 size 两个字段举办计数汇总。

#对两个字段举办汇总计数 
df_inner.groupby(['city','size'])['id'].count() 
city size 
beijing A 1 
F 1 
guangzhou A 1 
shanghai A 1 
B 1 
shenzhen C 1 
Name: id, dtype: int64 
 
Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvDL89Gn 

除了计数和求和外，还可以对汇总后的数据同时按多个维度举办计较，下面的代码中按都市对 price 字段举办汇总，并别离计较 price 的数目，总金额僻静均金额。

#对city字段举办汇总并计较price的合计和均值。 
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean]) 

数据透视

Excel 中的插入目次下提供“数据透视表”成果对数据表按特定维度举办汇总。Python 中也提供了数据透视表成果。通过 pivot_table 函数实现同样的结果。

数据透视表也是常用的一种数据分类汇总方法，而且成果上比 groupby 要强盛一些。下面的代码中设定 city 为行字段，size 为列字段，price 为值字段。别离计较 price 的数目和金额而且按行与罗列办汇总。

#数据透视表 
pd.pivot_table(df_inner,index=["city"],values=["price"],columns=["size"],aggfunc=[len,np.sum],fill_value=0,margins=True) 

08 数据统计

第九部门为数据统计，这里首要先容数据采样，尺度差，协方差和相相关数的行使要领。

数据采样

Excel 的数据说明成果中提供了数据抽样的成果，如下图所示。Python 通过 sample 函数完成数据采样。

Sample 是举办数据采样的函数，配置 n 的数目就可以了。函数自动返回参加的功效。

#简朴的数据采样 
df_inner.sample(n=3) 

Weights 参数是采样的权重，通过配置差异的权重可以变动采样的功效，权重高的数据将更有但愿被选中。这里手动配置 6 条数据的权重值。将前面 4 个配置为 0，后头两个体离配置为 0.5。

#手动配置采样权重 
weights = [0, 0, 0, 0, 0.5, 0.5] 
df_inner.sample(n=2, weights=weights) 
 
Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvCvwN2y 

从采样功效中可以看出，后两条权重高的数据被选中。

Sample 函数中尚有一个参数 replace，用来配置采样后是否放回。

#采样后不放回 
df_inner.sample(n=6, replace=False) 

#采样后放回 
df_inner.sample(n=6, replace=True) 

描写统计

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!