0
点赞
收藏
分享

微信扫一扫

Python数据分析与展示-第四讲

小编 2022-02-18 阅读 64

Pandas数据特征分析

 

series类型:

 

 

 

 

 

 DataFrame类型:

 

 重新索引:

 .reindex(index=None,columns=None,...)的参数

 

 

 Pandas库的数据类型运算

 自动补齐,缺项补NaN

 

 fill_value参数替代NaN,替代后参与运算

 不同维度间为广播运算,一维Series默认在轴1参与运算

 使用运算方法可以令一维Series参与轴0运算

 

 

 同维度运算,尺寸一致

不同维度,广播运算,默认在1轴 

 数据的排序

将一组数据通过摘要(有损地提取数据特征的过程)的方式,可以获得基本统计(含排序)、分布/累计统计、数据特征(相关性、周期性等)、数据挖掘(形成知识)。

 

  • .sort_values()方法在指定轴上根据数值进行排序,默认升序
  • Series.sort_values(axis=0, ascending=True)
    DataFrame.sort_values(by, axis=0, ascending=True)     # by:axis轴上的某个索引或索引列表

 数据的基本统计分析

 

数据的累计统计分析

 

 数据的相关分析

两个事物,表示为X和Y,如何判断它们之间的存在相关性?

  • X增大,Y增大,两个变量正相关
  • X增大,Y减小,两个变量负相关
  • X增大,Y无视,两个变量不相关

协方差

 

  • 协方差>0, X和Y正相关
  • 协方差<0, X和Y负相关
  • 协方差=0, X和Y独立无关

Pearson相关系数

r取值范围[-1, 1]

  • 0.8 - 1.0 极强相关
  • 0.6 - 0.8 强相关
  • 0.4 - 0.6 中等程度相关
  • 0.2 - 0.4 弱相关
  • 0.0 - 0.2 极弱相关或无相关

 参考网址:数据分析与展示——Pandas数据特征分析 - Python学习者 - 博客园

举报

相关推荐

0 条评论