示例代碼：
arr1 = np.random.rand(4,3) pd1 = pd.DataFrame(arr1,columns=list('ABC'),index=list('abcd')) f = lambda x: '%.2f'% x pd2 = pd1.applymap(f).astype(float) pd2
運行結果：
A B C a 0.87 0.26 0.67 b 0.69 0.89 0.17 c 0.94 0.33 0.04 d 0.35 0.46 0.29
常用的統計計算
sum, mean, max, min…
axis=0 按列統計，axis=1按行統計
skipna 排除缺失值， 默認為True
示例代碼：
pd2.sum() #默認把這一列的Series計算,所有行求和 pd2.sum(axis='columns') #指定求每一行的所有列的和 pd2.idxmax()#查看每一列所有行的最大值所在的標簽索引，同樣我們也可以通過axis='columns'求每一行所有列的最大值的標簽索引
運行結果：
A 2.85 B 1.94 C 1.17 dtype: float64 a 1.80 b 1.75 c 1.31 d 1.10 dtype: float64 A c B b C a dtype: object
常用的統計描述
describe 產生多個統計資料
示例代碼：
pd2.describe()#查看匯總
運行結果：
A B C count 4.000000 4.00000 4.000000 mean 0.712500 0.48500 0.292500 std 0.263613 0.28243 0.271585 min 0.350000 0.26000 0.040000 25% 0.605000 0.31250 0.137500 50% 0.780000 0.39500 0.230000 75% 0.887500 0.56750 0.385000 max 0.940000 0.89000 0.670000 #百分比:除以原來的量 pd2.pct_change() #查看行的百分比變化，同樣指定axis='columns'列與列的百分比變化 A B C a NaN NaN NaN b -0.206897 2.423077 -0.746269 c 0.362319 -0.629213 -0.764706 d -0.627660 0.393939 6.250000
常用的統計描述方法
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/273511.html
標籤：Python
下一篇：python修改微信和支付寶步數