English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Tutoriel Pandas

Statistiques descriptives Pandas

Exemple d'opération statistique descriptive Pandas

Le DataFrame est utilisé pour de grandes quantités de calculs, d'informations statistiques descriptives et d'autres opérations connexes. La plupart de ces opérations sont des agrégations, telles que sum(), mean(), mais certaines agrégations (telles que sumsum()) génèrent des objets de la même taille. En règle générale, ces méthodes utilisent le paramètre axe, comme ndarray. {sum, std, ...} mais peuvent être spécifiées par nom ou par entier DataFrame − Index (axis=0, par défaut), colonnes (axis=1)

Nous allons créer un DataFrame et utiliser cet objet pour toutes les opérations de ce chapitre.

Instance

　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#　Créer un DataFrame
　df　=　pd.DataFrame(d)
　print(df)

Résultat de l'exécution :

　　　　　　　　Âge　　Nom　　　Évaluation
0　　　25　　　Tom　　　　　4.23
1　　　26　　　James　　　3.24
2　　　25　　　Ricky　　　3.98
3　　　23　　　Vin　　　　　2.56
4　　　30　　　Steve　　　3.20
5　　　29　　　Smith　　　4.60
6　　　23　　　Jack　　　　3.80
7　　　34　　　Lee　　　　　3.78
8　　　40　　　David　　　2.98
9　　　30　　　Gasper　　4.80
10　　51　　　Betina　　4.10
11　　46　　　Andres　　3.65

sum()

Renvoie la somme des valeurs de l'axe demandé. Par défaut, l'axe est l'indice (axe=0)

　import　pandas　as　pd
　import　numpy　as　np
　　
　#Créer un dictionnaire de Series
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum())

Résultat de l'exécution :

　　　　Age　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　382
Nom　　　　　TomJamesRickyVinSteveSmithJackLeeDavidGasperBe...
Rating　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　44.92
dtype:　object

Chaque colonne individuelle ajoute une chaîne de caractères

axis=1

Cette syntaxe affichera le contenu suivant.

　import　pandas　as　pd
　import　numpy　as　np
　　
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　　
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum(1))

Résultat de l'exécution :

　　　　0　　　　29.23
1　　　　29.24
2　　　　28.98
3　　　　25.56
4　　　　33.20
5　　　　33.60
6　　　　26.80
7　　　　37.78
8　　　　42.98
9　　　　34.80
10　　　55.10
11　　　49.65
dtype:　float64

mean()

Retourne la valeur moyenne

　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.mean())

Résultat de l'exécution :

　　　　Age　　　　　　　31.833333
Rating　　　　　3.743333
dtype:　float64

std()

Retourne l'écart type standard Bressel des colonnes numériques.

　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.std())

Résultat de l'exécution :

　　　　Age　　　　　　　9.232682
Rating　　　　0.661628
dtype:　float64

Fonctions & Description

Maintenant, nous allons comprendre les fonctionnalités des statistiques descriptives dans Python Pandas. Le tableau suivant répertorie les fonctionnalités importantes :

NuméroMéthodeDescription
1count()Nombre non nul
2sum()Total
3mean()Valeur moyenne
4median()Médiane
5mode()Mode
6std()Écart type
7min()Valeur minimale
8max()Valeur maximale
9abs()Valeur absolue
10prod()Produit
11cumsum()Somme cumulée
12cumprod()Produit cumulé
Attention : − Comme DataFrame est une structure de données hétérogène. Les opérations génériques ne s'appliquent pas à toutes les fonctions.
    Des fonctions telles que sum() ou cumsum() peuvent être utilisées pour les éléments de données numériques et de caractères (ou) de chaînes de caractères sans générer d'erreur. Bien que les ensembles de caractères ne soient pas couramment utilisés, ils ne provoquent pas d'exceptions.
  • Lorsque DataFrame contient des données de caractères ou de chaînes de caractères, des fonctions telles que abs() ou cumprod() provoquent des exceptions, car ces opérations ne peuvent pas être exécutées. Des fonctions telles que sum() ou cumsum() peuvent être utilisées pour les éléments de données numériques et de caractères (ou) de chaînes de caractères sans générer d'erreur. Bien que les ensembles de caractères ne soient pas couramment utilisés, ils ne provoquent pas d'exceptions.

Résumer les données

　　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe())

Résultat de l'exécution :

　　　　　　　　　　　　　　　　Age　　　　　　　　　Rating
count　　　　12.000000　　　　　　12.000000
mean　　　　　31.833333　　　　　　　3.743333
std　　　　　　　9.232682　　　　　　　0.661628
min　　　　　　23.000000　　　　　　　2.560000
25%　　　　　　25.000000　　　　　　　3.230000
50%　　　　　　29.500000　　　　　　　3.790000
75%　　　　　　35.500000　　　　　　　4.132500
max　　　　　　51.000000　　　　　　　4.800000

Cette fonction fournit les valeurs moyennes, std et IQR. Et, la fonction ne comprend pas les colonnes de caractères et les résumés donnés des colonnes numériques. "include" est un paramètre nécessaire pour transmettre les informations nécessaires sur les colonnes à considérer lors de la汇总. La liste de valeurs ; par défaut, il s'agit de "numérique".

objet − Résumer les colonnes de chaînes de caractèresnumérique − Résumer les colonnes numériquestout − Résumer toutes les colonnes ensemble (ne pas le faire sous forme de valeur de liste)

Nous utilisons les instructions suivantes dans le programme et les exécutons pour obtenir la sortie :

　　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe(include=['object']))

Résultat de l'exécution :

　　　　　　　　　　　Nom
count　　　　　　　12
unique　　　　　　12
top　　　　　　Ricky
freq　　　　　　　　　1

Nous utilisons les instructions suivantes dans le programme et les exécutons pour obtenir la sortie :

　　import　pandas　as　pd
　import　numpy　as　np
　#　创建一个series字典
　d　=　{'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'Lee','David','Gasper','Betina','Andres']),
　　　　,'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#创建一个DataFrame
　df　=　pd.DataFrame(d)
　print(df.　describe(include='all'))

Résultat de l'exécution :

　　　　　　　　　　　Age　　　　　　　　　　Name　　　　　　　Rating
count　　　12.000000　　　　　　　　12　　　　12.000000
unique　　　　　　　　NaN　　　　　　　　12　　　　　　　　　　NaN
top　　　　　　　　　　　NaN　　　　　Ricky　　　　　　　　　　NaN
freq　　　　　　　　　　NaN　　　　　　　　　1　　　　　　　　　　NaN
mean　　　　31.833333　　　　　　　NaN　　　　　3.743333
std　　　　　　9.232682　　　　　　　NaN　　　　　0.661628
min　　　　　23.000000　　　　　　　NaN　　　　　2.560000
25%　　　　　25.000000　　　　　　　NaN　　　　　3.230000
50%　　　　　29.500000　　　　　　　NaN　　　　　3.790000
75%　　　　　35.500000　　　　　　　NaN　　　　　4.132500
max　　　　　51.000000　　　　　　　NaN　　　　　4.800000
Opérations SQL PandasMéthodes de base Pandas