Series 表的列 (Column),数据库中的一列数据加上行号,本质是带索引的一维数组 数据库列的属性head()查看前n行数据默认5行isin(列表/集合) 元素是否包含在参数集合中,NaN 和 None 永远不匹配isin 不认空值isna() 判断每个元素是不是【空值】 是不是空值NaN / None → Truesum()求和自动忽略NaN/None空值只加有效数字。mean() 只用非空数值求平均值默认自动忽略缺失值设置 skipnaFalse 时含空值整体直接返回 NaNmin() 最小值max() 最大值var()方差std() 标准差方差开平方根,真实的平均波动距离和原数据单位一样median() 把数据从小到大排序取中间值,默认 skipnaTrue自动忽略 NaN、None偶数中间两个数相加除以 2,奇数直接取正中间那一个数mode() 众数一组数据里出现次数最多的数可以有一个或多个众数如果有多个值出现的频率相同且都是最高频率返回的是Series它不是单个数值自动忽略 NaN/Nonequantile(q,interpolation)指定位置的分位数importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt Series 表的列 (Column),数据库中的一列数据加上行号,本质是带索引的一维数组 数据库列的属性 seriesDatapd.Series([11,22,np.nan,None,44,22],index[a,b,c,d,e,f])print(seriesData初始化数据:\n,seriesData)print()defdoSeriesMethodV1():# head() 查看前n行数据默认5行print(head()查看前n行数据默认5行\n,seriesData.head())# tail() 查看后n行数据默认5行# 略# isin(列表/集合) 元素是否包含在参数集合中,NaN 和 None 永远不匹配isin 不认空值print(isin()元素是否包含在参数集合中:\n,seriesData.isin([11,22]))# isna() 判断每个元素是不是【空值】 是不是空值NaN / None → Trueprint(isna()判断每个元素是不是【空值】:\n,seriesData.isna())# sum()求和自动忽略NaN/None空值只加有效数字。print(sum()只累加有效数字求和自动忽略NaN/None空值:\n,seriesData.sum())# mean() 只用非空数值求平均值默认自动忽略缺失值设置 skipnaFalse 时含空值整体直接返回 NaNprint(mean()只用非空数值求平均值总和99有效个数4 平均值99÷424.75:\n,seriesData.mean())# min() 最小值 略# max() 最大值 略print()# 样本方差N-1 VS 总体方差 N# series.var() 默认 ddof1除以 N-1是样本方差用来用抽样样本估算总体方差# 减去 1 是为了修正「样本均值自带偏差」实现无偏估计设 ddof0 才是除以 N 的总体方差# var() 波动大小平方级,默认样本方差除以 n-1 自动忽略 NaN / None# 方差是衡量数据波动大小、离散程度。数值越分散 → 方差越大# 非空数值11, 22, 44, 22有效个数4个 平均值99÷424.75# 每个数与平均值的差的平方 (11-24.75)² 189.0625|(22-24.75)² 7.5625|(44-24.75)² 370.5625|(22-24.75)² 7.5625# 样本方差默认总和574.75 ➗ (4-1) 574.75 / 3 191.58333333333334print(var()方差:\n,seriesData.var())# 191.5833... 样本方差ddof1# std() 标准差方差开平方根,真实的平均波动距离和原数据单位一样print(std()标准差:\n,seriesData.std())# 13.8414... 样本标准差方差的平方根# median() 把数据从小到大排序取中间值,默认 skipnaTrue自动忽略 NaN、None# 偶数中间两个数相加除以 2,奇数直接取正中间那一个数print(median()中位数:\n,seriesData.median())# mode() 众数一组数据里出现次数最多的数# 可以有一个或多个众数如果有多个值出现的频率相同且都是最高频率返回的是Series# 它不是单个数值自动忽略 NaN/Noneprint(mode()众数出现次数最多的值:\n,seriesData.mode())# quantile(q,interpolation)指定位置的分位数# 数据排序后在q%位置上的数值, 分位数可以不是原始数据它是按比例算出来的 “位置值”,自动忽略 NaN/None# 参数说明# q要算的分位数0 到 1 之间的浮点数或浮点数列表# quantile(0.25) 1/4 位置# quantile(0.5) 中位数# quantile(0.75) 3/4 位置# interpolation插值方式怎么算中间位置最常用 3 种# 3.1 linear默认线性插值最常用# 3.2 midpoint取中间两个数的平均值纯中位数# 3.3 nearest取最近的那个数)# 案例说明# Pandas 默认位置公式pos(n−1)×qquantile(q, interpolationlinear) 过程分析 计算 quantile(0.25) 0.25 分位数,推导过程 1)位置 (4 - 1) × 0.25 3 × 0.25 0.75 2)位置 0.75 在哪里 排序数据 索引 0 → 11 索引 1 → 22 索引 2 → 22 索引 3 → 44 0.75 在 0 和 1 之间 低位索引 0 → 11 高位索引 1 → 22 位置是 0.75意思是从 索引0值11 往 索引 1值22 走 75% 的距离 3) 默认线性插值计算 结果 低位 (高位 - 低位) × 小数部分 11 (22 - 11) × 0.75 11 11 × 0.75 11 8.25 19.25 4) 结论 上面19.25 和数据有什么关系 一句话分位数不是从数据里直接挑数字而是按位置比例算出来的 “分界值”。它可以不在原始数据里 把 4 个数字排好想象成一条线 11 ---- 19.25 ---- 22 ------ 22 ------ 44 0.25 分位数 整条数据从左数 25% 位置的值这个位置刚好落在 11 和 22 之间所以算出来是 19.25。 print(quantile(0.25):\n,seriesData.quantile(0.25))# 19.25print(quantile(0.5):\n,seriesData.quantile(0.5))# 22.0print(quantile(0.5,interpolationmidpoint):\n,seriesData.quantile(0.5,interpolationmidpoint))# 22.0 计算 quantile(0.75) 0.75 分位数,推导过程 1)位置 (4 - 1) × 0.75 3 × 0.75 2.25 2)位置 2.25 在哪里 排序数据 索引 0 → 11 索引 1 → 22 索引 2 → 22 索引 3 → 44 位置 2.25 在坑位 2 和 3 之间 低位索引 2 → 22 高位索引 3 → 44 整数部分2 小数部分0.25 3) 线性插值计算 结果 低位 (高位 - 低位) × 小数部分 22 (44 - 22) × 0.25 22 22×0.25 27.5 print(quantile(0.75):\n,seriesData.quantile(0.75))# 27.5defdoSeriesMethodV2():# describe() 常见统计信息一键统计汇总print(describe()统计信息:\n,seriesData.describe())# value_counts() 每个元素的个数print(value_counts()每个元素的个数:\n,seriesData.value_counts())# count() 非缺失值元素的个数如果要包含缺失值用len()print(count()非缺失值元素的个数:\n,seriesData.count())# drop_duplicates() 去重print(drop_duplicates()去重:\n,seriesData.drop_duplicates())# unique() 去重后的数组print(unique()去重后的数组:\n,seriesData.unique())# nunique() 统计【不重复的非空元素】有多少个,如果你想把 NaN 也算进去加参数 dropnaFalseprint(nunique()不重复的非空元素个数:\n,seriesData.nunique())# sample() 随机打乱顺序抽样:从 Series 里随机抽几条数据,空值 NaN/None 也会参与抽样不会自动过滤# 参数random_state任意整数种子固定抽样永远一样数字随便选print(sample()随机抽样:\n,seriesData.sample())print(sample(random_state42)固定种子 → 每次抽样结果完全一样可复现:\n,seriesData.sample(random_state42))# sort_index() 按索引排序print(sort_index()按索引排序:\n,seriesData.sort_index())# sort_values() 按值排序print(sort_values()按值排序:\n,seriesData.sort_values())# replace (旧值新值) 全局替换数据里的值不会修改原数据只返回新的 Seriesprint(replace()单个替换值:\n,seriesData.replace(11,99))print(replace()替换NaN空值:\n,seriesData.replace(np.nan,-1))defdoSeriesMethodV3():# to_frame() 把一维的 Series 转成二维的 DataFrameprint(to_frame()Series 变 DataFrame:\n,seriesData.to_frame(name自定义列名积分反馈))# equals() 判断两个 Series 是否完全一模一样值、索引、顺序、空值都要一样equals() 遇到 NaN 会认为相等s1pd.Series([11,22,np.nan,44,22])s2pd.Series([11,22,np.nan,44,22])print(equals()判断两个 Series 是否完全一模一样:\n,s1.equals(s2))# keys() 获取 Series 的索引行号print(keys()获取 Series 的索引行号:\n,seriesData.keys())print(keys()获取 Series 的索引行号和 .index 功能一致:\n,seriesData.index)print(**50)# corr() 计算两个 Series 之间的【相关系数】,两个 Series 长度必须一样,自动忽略 NaN不会报错# 说人话看两个变量是不是 “一起变”corr 看方向 强弱最常用它在 -1 到 1 之间可比较# 相关系数是什么(范围-1 1)# 默认使用皮尔逊相关系数Pearson correlation coefficient来计算相关性。# 参与比较的数组元素类型都是数值型。# 接近 -1一涨一跌 → 负相关你涨我跌# 接近 0没啥关系 → 无相关# 接近 1同涨同跌 → 正相关# 案例计算相关系数s1pd.Series([1,2,3,4,5])s2pd.Series([11,22,33,44,55])print(s1.corr(s2)计算接近 1同涨同跌 → 正相关:\n,s1.corr(s2))s1pd.Series([1,2,3,4,5])# s1 递增1→2→3→4→5s2pd.Series([50,40,30,20,10])# s2 递减50→40→30→20→10print(s1.corr(s2)计算接近-1一涨一跌 → 负相关你涨我跌:\n,s1.corr(s2))print(**50)# cov()协方差计算两个 Series 的【协方差】自动忽略空值两个 Series 长度必须一样# 说人话看两个变量变动方向是否一致cov只看方向协方差大小没意义只看正负号# 【协方差】无范围可正可负可大可小cov协方差只看正负号判断方向#正数一起变大、一起变小正相关#负数一个变大、一个变小负相关#0不一起动# 案例说明cov() VS corr() 对比见代码笔记最后s1pd.Series([1,2,3,4,5])s2pd.Series([11,22,33,44,55])print(口诀协方差看方向±相关系数看强弱-1 到 1)print(s1.cov(s2)协方差27.5 0 → 正相关同涨同跌:\n,s1.cov(s2))print(corr()计算接近 1同涨同跌 → 正相关:\n,s1.corr(s2))# hist() 绘制直方图用于展示数据的分布情况。它将数据划分为若干个区间也称为 “bins”并统计每个区间内数据的频数。需要安装matplotlib包# bins区间个数默认是10越多柱子越细,自动把你的数值范围平均切成10个柱子#数据少的时候很多柱子会是空的正常现象数据多、分布广时10个柱子刚好能看清分布seriesData.hist(bins10)# 改颜色seriesData.hist(colorblue)# 横轴数值区间 | 纵轴每个区间里有多少个数据 |一眼看出数据集中在哪个范围、有没有偏态plt.show()print(**50)# items() 循环拿每一行的 (索引值),for 循环逐行读取 index 和 value# 循环遍历 index 和 valueforindex,valueinseriesData.items():print(fitems()方法演示索引{index}值{value})if__name____main__:doSeriesMethodV1()# doSeriesMethodV2()# doSeriesMethodV3() 对比总结 方法 名字 取值范围 作用 cov() 协方差 无范围可正可负可大可小 看方向同不同步 corr() 相关系数 -1 ~ 1 看方向 强度标准化后的值