一、描述与统计

1.查看基本统计值

有时候我们获取到数据之后，想要查看下数据的简单统计指标（最大值、最小值、平均值、中位数等），比如想要查看年龄的最大值，如何实现呢？

直接对 age 这一列调用 max方法即可。类似的，通过调用 min、mean、quantile、sum 方法可以实现最小值、平均值、中位数以及求和。可以看到，对一个 Series 调用这几个方法之后，返回的都只是一个聚合结果。

#函数
np.max(user_info.年龄)

#方法
user_info.年龄.mean()

如果想要获取更多的统计方法，可以参见官方链接：Descriptive statistics (http://pandas.pydata.org/pandas-docs/stable/basics.html#descriptive-statistics)

虽然说常见的各种统计值都有对应的方法，如果我想要得到多个指标的话，就需要调用多次方法，是不是显得有点麻烦呢？Pandas 设计者自然也考虑到了这个问题，想要一次性获取多个统计指标，只需调用 describe 方法即可。

# 只支持数值列
user_info.describe()

可以看到，直接调用 describe 方法后，会显示出数字类型的列的一些统计指标，如总数、平均数、标准差、最小值、最大值、25%/50%/75% 分位数。

如果想要查看非数字类型的列的统计指标，可以设置 include=["object"] 来获得。

user_info.describe(include=["float64"])

user_info['中青年'].value_counts()

user_info.性别.value_counts()

这个非常重要，后面会经常用到。

有时候，我们会碰到这样的需求，想要将年龄进行离散化（分桶），直白来说就是将年龄分成几个区间，这里我们想要将年龄分成 3 个区间段。就可以使用 Pandas 的 cut 方法来完成。

# bins 整数，代表了均匀切分，等宽分箱
pd.cut(grade.语文,3)

#有时候离散化之后，想要给每个区间起个名字，可以指定 labels 参数
pd.cut(grade.语文,3,labels=['低分','中等','高分'])

扫描二维码关注公众号，回复： 7472914 查看本文章

可以看到， cut 自动生成了等距的离散区间，如果自己想定义也是没问题的。

# bins 如果是一个序列, 代表指定切分位置
# 0-60   60 - 100  100 - 150
# right = False  代表左侧闭区间 ,右侧开区间
pd.cut(grade.数学 , [-1 , 60 , 100, 151] , right =False )

除了可以使用 cut 进行离散化之外，qcut 也可以实现离散化。cut 是根据每个值的大小来进行离散化的，qcut 是根据每个值出现的次数来进行离散化的。有时候等宽分箱，当样本分布不是很均匀的时候，结果不是很好，换成等深分箱，这样切分出的样本数是差不多的。

# pd.qcut 等深分箱  , 保证分箱之后的区间中样本个数大体相等
pd.qcut(grade.语文, 3)
pd.qcut(grade.语文, 3).value_counts()

在进行数据分析时，少不了进行数据排序。Pandas 支持两种排序方式：按轴（索引或列）排序和按实际值排序。

sort_index 方法默认是按照索引进行正序排的。

如果想要实现按照实际值来排序，例如想要按照年龄排序，如何实现呢？

使用 sort_values 方法，设置参数 by="***" 即可。

# 降序排序
eng.sort_values(ascending=False)

# 按照英语进行排序
grade.sort_values(by = '英语' , ascending=False)

有时候我们可能需要按照多个值来排序，例如：按照年龄和城市来一起排序，可以设置参数 by 为一个 list 即可。注意：list 中每个元素的顺序会影响排序优先级的.

# 按照英语进行排序 , 英语分数相同的, 以数学进行排序
grade.sort_values(by =[ '英语', '数学'] , ascending=False)

Pandas 不需要很多的逻辑思考，英文看懂，明白参数设置，用到的时候会查就行了。