财务大数据-Python基础 课件 3.5Pandas-数据特征分析

Pandas-数据特征分析课前回顾重复值处理：duplicated()、drop_duplicates()缺失值处理：isna()、dropna()、fillna()其他异常处理：删除特殊字符replace()、更改数据类型astype()索引设置：set_index()、reset_index()科云数据清洗函数：dataClean()目录010203描述性统计分析累计统计数据排序01描述性统计分析描述性统计分析在财务工作中，我们常常需要计算各种财务指标的合计数、平均值、最大最小值、标准差等，那么我们如何才能快速知道这些统计值呢？Pandas提供了很多描述性统计函数，常用统计函数如下：函数描述函数描述函数描述count()非空值的个数median()中位数mad()平均绝对偏差sum()求和mode()众数abs()绝对值mean()平均值prod()数组元素的乘积cov()协方差min()最小值quantile()分位数corr()相关系数max()最大值var()样本方差pct_change()百分数变化describe()统计信息摘要std()样本标准差diff()一阶差分读取数据读取data.xlsx中利润表项目数据：代码#引入pandasimportpandasaspd#读取data.xlsx利润表项目df=pd.read_excel('/webpython/course/d2633ec9ca5c4a288b73f97b4616d541/data.xlsx',sheet_name=1,converters={'年':str,'月':str})#显示前5行show_table(df.head())描述性统计分析可以计算表格中各列的统计指标，也可以结合索引，计算单列统计指标。描述性统计分析可以计算表格中各列的统计指标，也可以结合索引，计算单列统计指标。describe()函数describe()函数：生成描述性统计信息，将所有数值列进行统计，返回DataFrame中常见的统计指标，包括值个数、均值、标准差、最大最小值、百分数。describe()函数语法：DataFrame.describe(percentiles=None,include=None,exclude=None,datetime_is_numeric=False)常用参数说明percentiles百分位数，介于0-1之间，默认[25%,50%,75%]include包含在结果中的数据类型，默认所有数值列exclude排除在结果中的数据类型，默认不排除任何内容datetime_is_numeric是否将datetimedtypes视为数字，默认为Falsedescribe()函数describe()函数结合索引器可以单独提取describe中想要的指标数据。示例1代码#使用索引器获取单项指标print(df.describe().loc['max','营业收入'])输出结果：424000.0代码#查看df统计信息show_table(df.describe())pct_change()函数pct_change()函数：当前元素与先前元素之间的百分比变化，默认计算与前一行的百分比变化，适用于财务报表的环比分析。pct_change()函数语法：DataFrame.pct_change(periods=1,fill_method='pad',limit=None,freq=None,**kwargs)常用参数说明periods计算周期，默认为1fill_method填充空值的方法，默认'pad'，表示用前一个非缺失值填充，bfill用后一个非缺失值填充，None不填充limit限制填充次数axis计算方向，{0或'index',1或'columns'}，默认axis=0pct_change()函数要求：计算营业收入、营业成本、净利润的环比增长率。示例2代码#计算环比增长率，并使用show_table()展示结果前5行show_table(df.set_index(['年','月']).pct_change().head())例：（329800-274400）/274400=0.20189502累计统计累计统计在会计工作中，除了要计算各期发生额之外，往往还需要计算“本年累计值”。提示axis=0：默认值，沿0轴计算，即计算每列的值axis=1：沿1轴计算，即计算每行的值函数描述cumsum()累计总和cumprod()累计乘积cummax()累计最大值cummin()累计最小值累计统计要求：计算2021年各期”营业收入、营业成本、净利润”的本年累计金额。示例3代码df1=df.loc[df['年']=='2021'].set_index(['年','月']).cumsum()show_table(df1.head())03数据排序

数据排序sort_values()函数：按照某行或某列的值进行升序或降序排序。sort_values()函数语法：DataFrame.sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last',ignore_index=False,key=None)常用参数描述byaxis轴上的某个索引或索引列表，按什么排序axis要排序的轴，{0或'index'，1或'columns'}，默认0，按照指定列数据排序ascending排序方式，默认为True，代表升序排序，False代表降序排序inplace默认为False，True表示直接在原数据上排序ignore_index是否重建索引，默认为False数据排序要求：按照净利润降序排序，显示前5行。示例4代码df2=df.sort_values('净利润',ascending=False)show_table(df2.head())sort_index()函数sort_index()函数：在指定轴上根据索引值对数据进行排序，默认使用行索引升序排序。sort_index()函数语法：DataFrame.sort_index（axis=0，level=None，ascending=True，inplace=False，kind='quicksort'，na_position='last'，sort_remaining=True，ignore_index=False，key=None）代码#按照行索引降序排序df3=df.sort_index(ascending=False)show