20.1 DataFrame 常用方法总览#

常用方法总览#

方法	说明
`head()`	查看前 n 行数据，默认 5 行
`tail()`	查看后 n 行数据，默认 5 行
`isin()`	判断元素是否包含在参数集合中
`isna()`	判断是否为缺失值（如 `NaN` 或 `None`）
`sum()`	求和，自动忽略缺失值
`mean()`	平均值
`min()`	最小值
`max()`	最大值
`var()`	方差
`std()`	标准差
`median()`	中位数
`mode()`	众数（可返回多个）
`quantile(q)`	分位数，q 取 0~1 之间
`describe()`	常见统计信息（count、mean、std、min、25%、50%、75%、max）
`value_counts()`	每个唯一值的出现次数
`count()`	非缺失值数量
`duplicated()`	判断行是否重复
`drop_duplicates()`	去除重复行
`sample()`	随机抽样
`sort_index()`	按索引排序
`sort_values()`	按值排序
`replace()`	替换值
`nlargest()`	返回某列最大的 n 条数据
`nsmallest()`	返回某列最小的 n 条数据

20.2 统计描述方法#

1
import pandas as pd
2
import numpy as np
3

4
df = pd.DataFrame(
5
    {
6
        'name': ['tom', 'tom', 'jack', 'alice', 'bob', 'allen'],
7
        'score': [60.5, 60.5, 80, 30.6, 70, 83.5],
8
        'age': [15, 15, 15, 20, 26, 30]
9
    },
10
    index=[1, 2, 3, 4, 5, 6]
11
)

描述性统计：

1
print(df.describe())

输出：

1
           score        age
2
count   6.000000   6.000000
3
mean   64.183333  20.166667
4
std    19.037376   6.493587
5
min    30.600000  15.000000
6
25%    60.500000  15.000000
7
50%    65.250000  17.500000
8
75%    77.500000  24.500000
9
max    83.500000  30.000000

describe() 自动跳过非数值列（如 name），仅对数值列做统计。

常用统计计算：

1
print(df['score'].sum())         # 求和
2
print(df.score.max())            # 最大值
3
print(df.age.min())              # 最小值
4
print(df.score.mean())           # 平均值
5
print(df.score.median())         # 中位数
6
print(df.age.mode())             # 众数
7
print(df.score.std())            # 标准差
8
print(df.score.var())            # 方差
9
print(df.score.quantile(0.25))   # 第25百分位数
10
print(df.count())                # 每列非缺失值数量

输出：

1
385.1
2
83.5
3
15
4
64.18333333333334
5
65.25
6
0    15
7
Name: age, dtype: int64
8
19.037375519400424
9
362.4216666666666
10
60.5
11
name     6
12
score    6
13
age      6
14
dtype: int64

20.3 去重与排序#

去重：

1
print(df.drop_duplicates())                  # 去除完全重复的行
2
print(df.duplicated(subset=['age']))  # 判断指定列的重复情况

输出：

1
    name  score  age
2
1    tom   60.5   15
3
3   jack   80.0   15
4
4  alice   30.6   20
5
5    bob   70.0   26
6
6  allen   83.5   30
7
1    False
8
2     True
9
3     True
10
4    False
11
5    False
12
6    False
13
dtype: bool

duplicated(subset=['age']) 检查 age 列的值是否重复，返回布尔 Series。

排序：

1
print(df.sort_index(ascending=False))
2
print(df.sort_values(by=['score', 'age'], ascending=[False, True]))

输出：

1
    name  score  age
2
6  allen   83.5   30
3
5    bob   70.0   26
4
4  alice   30.6   20
5
3   jack   80.0   15
6
2    tom   60.5   15
7
1    tom   60.5   15
8
    name  score  age
9
3   jack   80.0   15
10
6  allen   80.0   30
11
5    bob   70.0   26
12
1    tom   60.5   15
13
2    tom   60.5   15
14
4  alice   30.6   20

sort_values() 支持多列排序：先按 score 降序，再按 age 升序。

取最大/最小 n 行：

1
print(df.nlargest(2, columns=['score', 'age']))
2
print(df.nsmallest(2, columns=['score', 'age']))

输出：

1
    name  score  age
2
6  allen   83.5   30
3
3   jack   80.0   15
4
    name  score  age
5
4  alice   30.6   20
6
1    tom   60.5   15

20.4 其他实用方法#

1
print(df.isin(['jack', 20]))     # 判断元素是否在集合中
2
print(df.isna())                  # 判断是否为缺失值
3
print(df.value_counts())          # 统计每行出现的频次
4
print(df.replace(15, 30))        # 将 15 替换为 30
5
print(df.sample(2))              # 随机抽样 2 行

输出（结果随机）：

1
    name  score    age
2
1  False  False  False
3
2  False  False  False
4
3   True  False  False
5
4  False  False   True
6
5  False  False  False
7
6  False  False  False
8
    name  score    age
9
1  False  False  False
10
...
11
    name  score  age
12
1    tom   60.5   30
13
2    tom   60.5   30
14
3   jack   80.0   30
15
4  alice   30.6   20
16
5    bob   70.0   26
17
6  allen   83.5   30

20.5 本节小结#

本节完成了以下内容：

掌握了 describe()、sum()、mean()、max()、min()、median()、mode()、std()、var()、quantile() 等统计方法。
掌握了 drop_duplicates()、duplicated() 去重方法。
掌握了 sort_index()、sort_values()、nlargest()、nsmallest() 排序与取值方法。
掌握了 isin()、isna()、value_counts()、replace()、sample() 等实用方法。

下一节我们将通过 DataFrame 案例 综合练习这些方法。

Luquiesceneの小屋

20.1 DataFrame 常用方法总览#

常用方法总览#

20.2 统计描述方法#

20.3 去重与排序#

20.4 其他实用方法#

20.5 本节小结#

数据分析

继续阅读

换条路线

评论

Luquiesceneの小屋

20.1 DataFrame 常用方法总览#

常用方法总览#

20.2 统计描述方法#

20.3 去重与排序#

20.4 其他实用方法#

20.5 本节小结#

分享文章

沿着主题读

换条路线

评论