版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
浙江经贸职业技术学院与挖掘数据分析大数据基础Unit6《大数据基础》.移动商务营销课程群6.1.1数据分析简介6.1.2数据挖掘简介6.1.3pandas数据分析6.1数据分析与挖掘简介6.1.3pandas数据分析1统计方法
Pandas库是进行数据预处理的强有力工具，也是开展数据分析的强有力工具。Pandas的DataFrame或Series对象都提供了大量的统计方法，用于实现数值型数据的各类型统计运算，注意这些方法都自动忽略缺失值。
常见的统计方法有统计个数count、最大值max、最小值min，总和sum、平均值mean，方差var和标准差std等。例如：data=pd.Series([2,3,5,7,11,13,17,19])
data.mean()6.1.3pandas数据分析2分组统计
前面的统计方法能够让我们对Series类型的一列数值型数据有个比较笼统的认识，但要呈现丰富的描述性数据分析，就需要开展分组统计。
分组统计需要有一个被分组的数据集，主要是数值类型的Series对象，分组统计还需要选择合适的标签作为分组键，作为分组键的数据会选用能够呈现类别的Series对象。6.1.3pandas数据分析2分组统计
如图所示，图中最左侧两列数据分别是分组键和待分组数据，分组统计需要经过拆分、应用、合并3个步骤：
第一步，根据分组键进行拆分，将同一个键的数据合并成小的数据集。
第二步，根据分析需要，对每个小的数据集选用一个统计分析方法，这就是应用，最终，每个小的数据集各会得到一个统计值。
第三步，最后是合并，将各组的统计值合并在一起。6.1.3pandas数据分析2分组统计pandas的DataFrame或Series对象都提供了方法groupby用于处理分组，返回一个DataFrameGroupBy或SeriesGroupBy对象，它的基本格式为：
DataFrame.groupby(by,….)或Series.groupby(by,…)其中DataFrame或Series对象是待分组的数据集，都能调用方法groupby，方法内的参数by是分组键。例如：data=pd.Series([0,5,10,5,10,15,10,15,20])key=pd.Series([‘A’,‘B’,‘C’,‘A’,‘B’,‘C’,‘A’,‘B’,‘C’])
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
评论
0/150
提交评论