準(zhǔn)備

本文用到的表格內(nèi)容如下:

先來看一下原始情形:

import pandas as pd
​
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df)

result:

   數(shù)學(xué)成績  語文成績  英語成績
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.求眾數(shù)

1.1對全表進(jìn)行操作

1.1.1求取每列的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.var())

result:

   數(shù)學(xué)成績  語文成績  英語成績
0    35    78    83

1.1.2 求取每行的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.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 對單獨(dú)的一行或者一列進(jìn)行操作

1.2.1 求取單獨(dú)某一列的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.mode(axis=1))

result:

0    35
dtype: int64

1.2.2 求取單獨(dú)某一行的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0]].mode())

result:

   數(shù)學(xué)成績  語文成績  英語成績
0    89    78    98

1.3 對多行或者多列進(jìn)行操作

1.3.1 求取多列的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[['數(shù)學(xué)成績', "語文成績"]].mode())

result:

   數(shù)學(xué)成績  語文成績
0    35    78

1.3.2 求取多行的眾數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].mode())

result:

   數(shù)學(xué)成績  語文成績  英語成績
0    35    34    34
1    89    78    98

2 求分位數(shù)

分位數(shù)是比中位數(shù)更加詳細(xì)的基于位置的指標(biāo)，分位數(shù)主要有四分之一分位數(shù)，二分之一分位數(shù)(就是中位數(shù))、四分之三分位數(shù)

2.1 求取不同分位的分位數(shù)

2.1.1 四分之一分位數(shù)

import pandas as pd
​
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.25))

result:

數(shù)學(xué)成績    35.0
語文成績    46.0
英語成績    45.0
Name: 0.25, dtype: float64

2.1.2 四分之三分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.75))

result:

數(shù)學(xué)成績    89.0
語文成績    78.0
英語成績    83.0
Name: 0.75, dtype: float64

2.2對全表進(jìn)行操作

2.2.1對每一列求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.25))

result:

數(shù)學(xué)成績    35.0
語文成績    46.0
英語成績    45.0
Name: 0.25, dtype: float64

2.2.2 對每一行求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.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 對單獨(dú)的一行或者一列進(jìn)行操作

2.3.1 對某一列求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df['數(shù)學(xué)成績'].quantile(0.25))

result:

35.0

2.3.2 對某一行求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0]].quantile(0.25))

result:

數(shù)學(xué)成績    89.0
語文成績    78.0
英語成績    98.0
Name: 0.25, dtype: float64

2.4 對多行或者多列進(jìn)行操作

2.4.1 對多列求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[['數(shù)學(xué)成績', "語文成績"]].quantile(0.25))

result:

數(shù)學(xué)成績    35.0
語文成績    46.0
Name: 0.25, dtype: float64

2.4.2 對多行求分位數(shù)

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].quantile(0.25))

result:

數(shù)學(xué)成績    48.5
語文成績    45.0
英語成績    50.0
Name: 0.25, dtype: float64

附：pandas 和 numpy計(jì)算分位數(shù)的區(qū)別

pandas 和 numpy中都有計(jì)算分位數(shù)的方法，pandas中是quantile，numpy中是percentile

兩個(gè)方法其實(shí)沒什么區(qū)別，用法上稍微不同，quantile的優(yōu)點(diǎn)是與pandas中的groupby結(jié)合使用，可以分組之后取每個(gè)組的某分位數(shù)

quantile代碼：

import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='\t')
#將data按id_1 和 id_2 分組
grouped=data.groupby(['id_1','id_2'])
#用quantile計(jì)算第40%的分位數(shù)
grouped['gmv'].quantile(0.4) 
#用to_csv生成文件
x.to_csv('order_ran_re.txt',sep= '\t')

percentile代碼：

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)

兩段代碼，兩種方法計(jì)算的結(jié)果是一樣的

總結(jié)

到此這篇關(guān)于Python pandas系列之眾數(shù)和分位數(shù)的文章就介紹到這了,更多相關(guān)pandas眾數(shù)和分位數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論