Python Pandas - статистические функции

Статистические методы помогают понять и проанализировать поведение данных. Теперь мы изучим несколько статистических функций, которые мы можем применить к объектам Pandas.

Percent_change

Series, DatFrames и Panel - все имеют функцию pct_change(). Эта функция сравнивает каждый элемент с его предыдущим элементом и вычисляет процент изменения.

import pandas as pd
import numpy as np
s = pd.Series([1,2,3,4,5,4])
print s.pct_change()

df = pd.DataFrame(np.random.randn(5, 2))
print df.pct_change()

это output выглядит следующим образом -

0        NaN
1   1.000000
2   0.500000
3   0.333333
4   0.250000
5  -0.200000
dtype: float64

            0          1
0         NaN        NaN
1  -15.151902   0.174730
2  -0.746374   -1.449088
3  -3.582229   -3.165836
4   15.601150  -1.860434

По умолчанию pct_change()действует на колонны; если вы хотите применить одну и ту же строку, используйтеaxis=1() аргумент.

Ковариация

Ковариация применяется к данным ряда. Объект Series имеет метод cov для вычисления ковариации между объектами серии. NA будет исключен автоматически.

Cov серии

import pandas as pd
import numpy as np
s1 = pd.Series(np.random.randn(10))
s2 = pd.Series(np.random.randn(10))
print s1.cov(s2)

это output выглядит следующим образом -

-0.12978405324

Метод ковариации при применении к DataFrame вычисляет cov между всеми столбцами.

import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])
print frame['a'].cov(frame['b'])
print frame.cov()

это output выглядит следующим образом -

-0.58312921152741437

           a           b           c           d            e
a   1.780628   -0.583129   -0.185575    0.003679    -0.136558
b  -0.583129    1.297011    0.136530   -0.523719     0.251064
c  -0.185575    0.136530    0.915227   -0.053881    -0.058926
d   0.003679   -0.523719   -0.053881    1.521426    -0.487694
e  -0.136558    0.251064   -0.058926   -0.487694     0.960761

Note - Соблюдайте cov между a и b столбец в первом операторе, и это значение, возвращаемое cov в DataFrame.

Корреляция

Корреляция показывает линейную зависимость между любыми двумя массивами значений (сериями). Есть несколько методов для вычисления корреляции, например, pearson (по умолчанию), spearman и kendall.

import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.randn(10, 5), columns=['a', 'b', 'c', 'd', 'e'])

print frame['a'].corr(frame['b'])
print frame.corr()

это output выглядит следующим образом -

-0.383712785514

           a          b          c          d           e
a   1.000000  -0.383713  -0.145368   0.002235   -0.104405
b  -0.383713   1.000000   0.125311  -0.372821    0.224908
c  -0.145368   0.125311   1.000000  -0.045661   -0.062840
d   0.002235  -0.372821  -0.045661   1.000000   -0.403380
e  -0.104405   0.224908  -0.062840  -0.403380    1.000000

Если в DataFrame присутствует какой-либо нечисловой столбец, он автоматически исключается.

Ранжирование данных

Ранжирование данных производит ранжирование для каждого элемента в массиве элементов. В случае ничьей присваивает средний ранг.

import pandas as pd
import numpy as np

s = pd.Series(np.random.np.random.randn(5), index=list('abcde'))
s['d'] = s['b'] # so there's a tie
print s.rank()

это output выглядит следующим образом -

a  1.0
b  3.5
c  2.0
d  3.5
e  5.0
dtype: float64

Ранг необязательно принимает параметр по возрастанию, который по умолчанию равен true; если false, данные ранжируются в обратном порядке, при этом большим значениям присваивается меньший ранг.

Rank поддерживает различные методы разрешения конфликтов, указанные с помощью параметра метода -

  • average - средний рейтинг равной группы

  • min - самый низкий ранг в группе

  • max - высшее место в группе

  • first - ранги присваиваются в порядке их появления в массиве