一、groupby函数
python中的groupby函数，它主要的作用是进行数据的分组以及分组之后的组内的运算，也可以用来探索各组之间的关系，首先我们导入我们需要用到的模块
import pandas as pd
首先导入我们所需要用到的数据集
customer = pd.read_csv("churn_modelling.csv")
marketing = pd.read_csv("directmarketing.csv")
我们先从一个简单的例子着手来看，
customer[['geography','gender','estimatedsalary']].groupby(['geography','gender']).mean()
从上面的结果可以得知，在“法国”这一类当中的“女性(female)”这一类的预估工资的平均值达到了99564欧元，“男性”达到了100174欧元
当然除了求平均数之外，我们还有其他的统计方式，比如“count”、“min”、“max”等等，例如下面的代码
customer[['geography','gender','estimatedsalary']].groupby(['geography','gender']).agg(['mean','count','max'])
当然我们也可以对不同的列采取不同的统计方式方法，例如
customer[['geography','estimatedsalary','balance']].groupby('geography').agg({'estimatedsalary':'sum', 'balance':'mean'})
我们对“estimatedsalary”这一列做了加总的操作，而对“balance”这一列做了求平均值的操作
二、crosstab函数
在处理数据时，经常需要对数据分组计算均值或者计数，在microsoft excel中，可以通过透视表轻易实现简单的分组运算。而对于更加复杂的分组计算，“pandas”模块中的“crosstab”函数也能够帮助我们实现。
例如我们想要计算不同年龄阶段、不同性别的平均工资，同时保留一位小数，代码如下
pd.crosstab(index=marketing.age, columns=marketing.gender, values=marketing.salary, aggfunc='mean').round(1)
当然我们还可以用该函数来制作一个更加复杂一点的透视表，例如下面的代码
pd.crosstab(index=[marketing.age, marketing.married], columns=marketing.gender,values=marketing.salary, aggfunc='mean', margins=true).round(1)
三、pivot_table函数
和上面的“cross_tab”函数的功能相类似，对于数据透视表而言，由于它的灵活性高，可以随意定制你的分析计算要求，而且操作性强，因此在实际的工作生活当中被广泛使用，
例如下面的代码，参数“margins”对应表格当中的“all”这一列
pd.pivot_table(data=marketing, index=['age', 'married'], columns='gender', values='salary', aggfunc='mean', margins=true).round(1)
四、sidetable函数
“sidetable”可以被理解为是“pandas”模块中的第三方的插件，它集合了制作透视表以及对数据集做统计分析等功能，让我们来实际操作一下吧
首先我们要下载安装这个“sidetable”组件，
pip install sidetable
五、freq函数
首先介绍的是“sidetable”插件当中的“freq”函数，里面包含了离散值每个类型的数量，其中是有百分比形式来呈现以及数字的形式来呈现，还有离散值每个类型的累加总和的呈现，具体大家看下面的代码和例子
import sidetable marketing.stb.freq(['age'])
“age”这一列有三大类分别是“middle”、“young”以及“old”的数据，例如我们看到表格当中的“middle”这一列的数量有508个，占比有50.8%
marketing.stb.freq(['age'], value='amountspent')
例如上面的代码，显示的则是比方说当“age”是“middle”的时候，也就是中年群体，“amountspent”的总和，也就是花费的总和是762859元
六、missing函数
“sidetable”函数当中的“missing”方法顾名思义就是返回缺失值的数量以及百分比，例如下面的代码,“history”这一列的缺失值占到了30.3%
marketing.stb.missing()
七、counts函数
“sidetable”函数当中的“counts”方法用来计算各个类型的离散值出现的数量，具体看下面的例子
marketing.stb.counts()
例如“gender”这一列中，总共有两个，也就是“unique”这一列所代表的值，其中“female”占到的比重更大，有506个，而“male”占到的比重更小一些，有494个
到此这篇关于python pandas模块实现数据的统计分析的方法的文章就介绍到这了,更多相关pandas模块实现数据的统计分析内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
