Python pandas系列之众数和分位数代码示例
本篇文章小编给大家分享一下Python pandas系列之众数和分位数代码示例，文章代码介绍的很详细，小编觉得挺不错的，现在分享给大家供大家参考，有需要的小伙伴们可以来看看。
准备
本文用到的表格内容如下:
先来看一下原始情形:
import pandas as pd df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df)
result:
数学成绩 语文成绩 英语成绩
0 89 78 98
1 35 34 34
2 43 56 25
3 35 78 83
4 67 46 65
5 89 89 83
6 96 45 83
7 35 67 45
8 35 78 83
1.求众数
1.1对全表进行操作
1.1.1求取每列的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.var())
result:
数学成绩 语文成绩 英语成绩
0 35 78 83
1.1.2 求取每行的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.mode(axis=1))
result:
0 1 2
0 78.0 89.0 98.0
1 34.0 NaN NaN
2 25.0 43.0 56.0
3 35.0 78.0 83.0
4 46.0 65.0 67.0
5 89.0 NaN NaN
6 45.0 83.0 96.0
7 35.0 45.0 67.0
8 35.0 78.0 83.0
1.2 对单独的一行或者一列进行操作
1.2.1 求取单独某一列的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.mode(axis=1))
result:
0 35
dtype: int64
1.2.2 求取单独某一行的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.iloc[[0]].mode())
result:
数学成绩 语文成绩 英语成绩
0 89 78 98
1.3 对多行或者多列进行操作
1.3.1 求取多列的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df[['数学成绩', "语文成绩"]].mode())
result:
数学成绩 语文成绩
0 35 78
1.3.2 求取多行的众数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.iloc[[0, 1]].mode())
result:
数学成绩 语文成绩 英语成绩
0 35 34 34
1 89 78 98
2 求分位数
分位数是比中位数更加详细的基于位置的指标，分位数主要有四分之一分位数，二分之一分位数(就是中位数)、四分之三分位数
2.1 求取不同分位的分位数
2.1.1 四分之一分位数
import pandas as pd df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.quantile(0.25))
result:
数学成绩 35.0
语文成绩 46.0
英语成绩 45.0
Name: 0.25, dtype: float64
2.1.2 四分之三分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.quantile(0.75))
result:
数学成绩 89.0
语文成绩 78.0
英语成绩 83.0
Name: 0.75, dtype: float64
2.2对全表进行操作
2.2.1对每一列求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.quantile(0.25))
result:
数学成绩 35.0
语文成绩 46.0
英语成绩 45.0
Name: 0.25, dtype: float64
2.2.2 对每一行求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.quantile(0.25, axis=1))
result:
0 83.5
1 34.0
2 34.0
3 56.5
4 55.5
5 86.0
6 64.0
7 40.0
8 56.5
Name: 0.25, dtype: float64
2.3 对单独的一行或者一列进行操作
2.3.1 对某一列求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df['数学成绩'].quantile(0.25))
result:
35.0
2.3.2 对某一行求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.iloc[[0]].quantile(0.25))
result:
数学成绩 89.0
语文成绩 78.0
英语成绩 98.0
Name: 0.25, dtype: float64
2.4 对多行或者多列进行操作
2.4.1 对多列求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df[['数学成绩', "语文成绩"]].quantile(0.25))
result:
数学成绩 35.0
语文成绩 46.0
Name: 0.25, dtype: float64
2.4.2 对多行求分位数
df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx') print(df.iloc[[0, 1]].quantile(0.25))
result:
数学成绩 48.5
语文成绩 45.0
英语成绩 50.0
Name: 0.25, dtype: float64
附：pandas 和 numpy计算分位数的区别
pandas 和 numpy中都有计算分位数的方法，pandas中是quantile，numpy中是percentile
两个方法其实没什么区别，用法上稍微不同，quantile的优点是与pandas中的groupby结合使用，可以分组之后取每个组的某分位数
quantile代码：
import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='t')
#将data按id_1 和 id_2 分组
grouped=data.groupby(['id_1','id_2'])
#用quantile计算第40%的分位数
grouped['gmv'].quantile(0.4)
#用to_csv生成文件
x.to_csv('order_ran_re.txt',sep= 't')
percentile代码：
import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='t')
a = array(data['gmv'])
np.percentile(a,0.4)
两段代码，两种方法计算的结果是一样的
