一文看懂怎么用Python做数据分析

在前面的基础上增加第二个列名称，分布对 city 和 size 两个字段进行计数汇总。

#对两个字段进行汇总计数 
df_inner.groupby(['city','size'])['id'].count() 
city size 
beijing A 1 
F 1 
guangzhou A 1 
shanghai A 1 
B 1 
shenzhen C 1 
Name: id, dtype: int64 
 
Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvDL89Gn 

除了计数和求和外，还可以对汇总后的数据同时按多个维度进行计算，下面的代码中按城市对 price 字段进行汇总，并分别计算 price 的数量，总金额和平均金额。

#对city字段进行汇总并计算price的合计和均值。 
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean]) 

数据透视

Excel 中的插入目录下提供“数据透视表”功能对数据表按特定维度进行汇总。Python 中也提供了数据透视表功能。通过 pivot_table 函数实现同样的效果。

数据透视表也是常用的一种数据分类汇总方式，并且功能上比 groupby 要强大一些。下面的代码中设定 city 为行字段，size 为列字段，price 为值字段。分别计算 price 的数量和金额并且按行与列进行汇总。

#数据透视表 
pd.pivot_table(df_inner,index=["city"],values=["price"],columns=["size"],aggfunc=[len,np.sum],fill_value=0,margins=True) 

08 数据统计

第九部分为数据统计，这里主要介绍数据采样，标准差，协方差和相关系数的使用方法。

数据采样

Excel 的数据分析功能中提供了数据抽样的功能，如下图所示。Python 通过 sample 函数完成数据采样。

Sample 是进行数据采样的函数，设置 n 的数量就可以了。函数自动返回参与的结果。

#简单的数据采样 
df_inner.sample(n=3) 

Weights 参数是采样的权重，通过设置不同的权重可以更改采样的结果，权重高的数据将更有希望被选中。这里手动设置 6 条数据的权重值。将前面 4 个设置为 0，后面两个分别设置为 0.5。

#手动设置采样权重 
weights = [0, 0, 0, 0, 0.5, 0.5] 
df_inner.sample(n=2, weights=weights) 
 
Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvCvwN2y 

从采样结果中可以看出，后两条权重高的数据被选中。

Sample 函数中还有一个参数 replace，用来设置采样后是否放回。

#采样后不放回 
df_inner.sample(n=6, replace=False) 

#采样后放回 
df_inner.sample(n=6, replace=True) 

描述统计

（编辑：开发网_开封站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!