Python pandas系列之众数和分位数代码示例

本篇文章小编给大家分享一下Python pandas系列之众数和分位数代码示例，文章代码介绍的很详细，小编觉得挺不错的，现在分享给大家供大家参考，有需要的小伙伴们可以来看看。

准备

本文用到的表格内容如下:

先来看一下原始情形:

import pandas as pd

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df)

result:

数学成绩 语文成绩 英语成绩

0 89 78 98

1 35 34 34

2 43 56 25

3 35 78 83

4 67 46 65

5 89 89 83

6 96 45 83

7 35 67 45

8 35 78 83

1.求众数

1.1对全表进行操作

1.1.1求取每列的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.var())

result:

数学成绩 语文成绩 英语成绩

0 35 78 83

1.1.2 求取每行的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.mode(axis=1))

result:

0 1 2

0 78.0 89.0 98.0

1 34.0 NaN NaN

2 25.0 43.0 56.0

3 35.0 78.0 83.0

4 46.0 65.0 67.0

5 89.0 NaN NaN

6 45.0 83.0 96.0

7 35.0 45.0 67.0

8 35.0 78.0 83.0

1.2 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.mode(axis=1))

result:

0 35

dtype: int64

1.2.2 求取单独某一行的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.iloc[[0]].mode())

result:

数学成绩 语文成绩 英语成绩

0 89 78 98

1.3 对多行或者多列进行操作

1.3.1 求取多列的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df[['数学成绩', "语文成绩"]].mode())

result:

数学成绩 语文成绩

0 35 78

1.3.2 求取多行的众数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.iloc[[0, 1]].mode())

result:

数学成绩 语文成绩 英语成绩

0 35 34 34

1 89 78 98

2 求分位数

分位数是比中位数更加详细的基于位置的指标，分位数主要有四分之一分位数，二分之一分位数(就是中位数)、四分之三分位数

2.1 求取不同分位的分位数

2.1.1 四分之一分位数

import pandas as pd

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.quantile(0.25))

result:

数学成绩 35.0

语文成绩 46.0

英语成绩 45.0

Name: 0.25, dtype: float64

2.1.2 四分之三分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.quantile(0.75))

result:

数学成绩 89.0

语文成绩 78.0

英语成绩 83.0

Name: 0.75, dtype: float64

2.2对全表进行操作

2.2.1对每一列求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.quantile(0.25))

result:

数学成绩 35.0

语文成绩 46.0

英语成绩 45.0

Name: 0.25, dtype: float64

2.2.2 对每一行求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.quantile(0.25, axis=1))

result:

0 83.5

1 34.0

2 34.0

3 56.5

4 55.5

5 86.0

6 64.0

7 40.0

8 56.5

Name: 0.25, dtype: float64

2.3 对单独的一行或者一列进行操作

2.3.1 对某一列求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df['数学成绩'].quantile(0.25))

result:

35.0

2.3.2 对某一行求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.iloc[[0]].quantile(0.25))

result:

数学成绩 89.0

语文成绩 78.0

英语成绩 98.0

Name: 0.25, dtype: float64

2.4 对多行或者多列进行操作

2.4.1 对多列求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df[['数学成绩', "语文成绩"]].quantile(0.25))

result:

数学成绩 35.0

语文成绩 46.0

Name: 0.25, dtype: float64

2.4.2 对多行求分位数

df = pd.read_excel(r'C:UsersadminDesktop测试.xlsx')
print(df.iloc[[0, 1]].quantile(0.25))

result:

数学成绩 48.5

语文成绩 45.0

英语成绩 50.0

Name: 0.25, dtype: float64

附：pandas 和 numpy计算分位数的区别

pandas 和 numpy中都有计算分位数的方法，pandas中是quantile，numpy中是percentile

两个方法其实没什么区别，用法上稍微不同，quantile的优点是与pandas中的groupby结合使用，可以分组之后取每个组的某分位数

quantile代码：

import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='t')
#将data按id_1 和 id_2 分组
grouped=data.groupby(['id_1','id_2'])
#用quantile计算第40%的分位数
grouped['gmv'].quantile(0.4) 
#用to_csv生成文件
x.to_csv('order_ran_re.txt',sep= 't')

percentile代码：

import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='t')
a = array(data['gmv'])
np.percentile(a,0.4)

两段代码，两种方法计算的结果是一样的