Pandas 数据统计函数
1、汇总类统计
2、唯一去重和按值计数
3、相关系数和协方差
import pandas as pd
1、预备步骤，对数据进行读取和预处理（将温度都改为Int类型）
fpath='./datas/beijing_tianqi/beijing_tianqi_2018.csv'
df=pd.read_csv(fpath)
df.head()
df.loc[:,'bWendu']=df['bWendu'].str.replace('℃','').astype('int32')
df.loc[:,'yWendu']=df['yWendu'].str.replace('℃','').astype('int32')
df.head()
2、对数据进行汇总类统计
#提取出所有数字列统计结果
df.describe()
查看单个Series的数据—最高温度的平均值—df[‘bWendu’].mean()
查看单个Series的数据---最高温度的平均值
df['bWendu'].mean()
查看最高温度—-df[‘bWendu’].max()
#查看最高温度
df['bWendu'].max()
最低温度—-df[‘yWendu’].min()
#最低温度
df['yWendu'].min()
3、唯一去重和按值计算
3.1唯一去重性
一般不用于数值列，而是枚举，分类列—– df[” ” ].unique()
df['fengxiang'].unique()
df['tianqi'].unique()
df['fengli'].unique()
4.2 按值计数（对数据探索十分有用）
df['fengxiang'].value_counts()
df['tianqi'].value_counts()
df['fengli'].value_counts()
5、相关系数和协方差用途（超级厉害)︰
1.两只股票，是不是同涨同跌?程度多大?正相关还是负相关?
2.产品销量的波动，跟哪些因素正相关、负相关，程度有多大?
对于两个变量X、Y:
1.协方差︰衡量同向反向程度，如果协方差为正，说明X，Y同向变化，协方差越大说明同向程度越高;如果协方差为负，说明×，Y反向运动，协方差越小说明反向程度越高。
2.相关系数:衡量相似度程度，当他们的相关系数为1时，说明两个变量变化时的正向相似度最大，当相关系数为- 1时，说明两个变量变化的反向相似度最大¶
协方差矩阵—–df.cov()
#协方差矩阵
df.cov()
相关系数矩阵—-df.corr()
#相关系数矩阵
df.corr()
单独查看空气质量和最高温度的相关系数—-df[‘aqi’].corr(df[‘bWendu’])
#单独查看空气质量和最高温度的相关系数
df['aqi'].corr(df['bWendu'])
df['aqi'].corr(df['yWendu'])
检测空气质量和温差的相关系数—-df[‘aqi’].corr(df[‘bWendu’]-df[‘yWendu’])
#检测空气质量和温差的相关系数
df['aqi'].corr(df['bWendu']-df['yWendu'])
以上就是特征方程对于机器学习重要性的一个例子
注：什么是特征方程？
特征方程是为研究相应的数学对象而引入的一些等式，它因数学对象不同而不同，包括数列特征方程、矩阵特征方程、微分方程特征方程、积分方程特征方程等等。
下面所介绍的仅仅是数列的特征方程。
一个数列:
设 有r，s使
所以
得
消去s就导出特征方程式
Original: https://blog.csdn.net/qq_46044325/article/details/126808110
Author: 编程贝多芬
Title: Part 5:Pandas 数据统计函数【汇总类统计、唯一去重和按值计数、相关系数和协方差】
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/679921/
转载文章受原作者版权保护。转载请注明原作者出处！