第Pythonpandas入門(mén)系列之眾數(shù)和分位數(shù)目錄準(zhǔn)備1.求眾數(shù)1.1對(duì)全表進(jìn)行操作1.1.1求取每列的眾數(shù)1.1.2求取每行的眾數(shù)1.2對(duì)單獨(dú)的一行或者一列進(jìn)行操作1.2.1求取單獨(dú)某一列的眾數(shù)1.2.2求取單獨(dú)某一行的眾數(shù)1.3對(duì)多行或者多列進(jìn)行操作1.3.1求取多列的眾數(shù)1.3.2求取多行的眾數(shù)2求分位數(shù)2.1求取不同分位的分位數(shù)2.1.1四分之一分位數(shù)2.1.2四分之三分位數(shù)2.2對(duì)全表進(jìn)行操作2.2.1對(duì)每一列求分位數(shù)2.2.2對(duì)每一行求分位數(shù)2.3對(duì)單獨(dú)的一行或者一列進(jìn)行操作2.3.1對(duì)某一列求分位數(shù)2.3.2對(duì)某一行求分位數(shù)2.4對(duì)多行或者多列進(jìn)行操作2.4.1對(duì)多列求分位數(shù)2.4.2對(duì)多行求分位數(shù)附：pandas和numpy計(jì)算分位數(shù)的區(qū)別總結(jié)

準(zhǔn)備

本文用到的表格內(nèi)容如下:

先來(lái)看一下原始情形:

importpandasaspd

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df)

result:

數(shù)學(xué)成績(jī)語(yǔ)文成績(jī)英語(yǔ)成績(jī)

0897898

1353434

2435625

3357883

4674665

5898983

6964583

7356745

8357883

1.求眾數(shù)

1.1對(duì)全表進(jìn)行操作

1.1.1求取每列的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.var())

result:

數(shù)學(xué)成績(jī)語(yǔ)文成績(jī)英語(yǔ)成績(jī)

0357883

1.1.2求取每行的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.mode(axis=1))

result:

012

078.089.098.0

134.0NaNNaN

225.043.056.0

335.078.083.0

446.065.067.0

589.0NaNNaN

645.083.096.0

735.045.067.0

835.078.083.0

1.2對(duì)單獨(dú)的一行或者一列進(jìn)行操作

1.2.1求取單獨(dú)某一列的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.mode(axis=1))

result:

035

dtype:int64

1.2.2求取單獨(dú)某一行的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.iloc[[0]].mode())

result:

數(shù)學(xué)成績(jī)語(yǔ)文成績(jī)英語(yǔ)成績(jī)

0897898

1.3對(duì)多行或者多列進(jìn)行操作

1.3.1求取多列的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df[['數(shù)學(xué)成績(jī)',"語(yǔ)文成績(jī)"]].mode())

result:

數(shù)學(xué)成績(jī)語(yǔ)文成績(jī)

03578

1.3.2求取多行的眾數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.iloc[[0,1]].mode())

result:

數(shù)學(xué)成績(jī)語(yǔ)文成績(jī)英語(yǔ)成績(jī)

0353434

1897898

2求分位數(shù)

分位數(shù)是比中位數(shù)更加詳細(xì)的基于位置的指標(biāo)，分位數(shù)主要有四分之一分位數(shù)，二分之一分位數(shù)(就是中位數(shù))、四分之三分位數(shù)

2.1求取不同分位的分位數(shù)

2.1.1四分之一分位數(shù)

importpandasaspd

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.quantile(0.25))

result:

數(shù)學(xué)成績(jī)35.0

語(yǔ)文成績(jī)46.0

英語(yǔ)成績(jī)45.0

Name:0.25,dtype:float64

2.1.2四分之三分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.quantile(0.75))

result:

數(shù)學(xué)成績(jī)89.0

語(yǔ)文成績(jī)78.0

英語(yǔ)成績(jī)83.0

Name:0.75,dtype:float64

2.2對(duì)全表進(jìn)行操作

2.2.1對(duì)每一列求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.quantile(0.25))

result:

數(shù)學(xué)成績(jī)35.0

語(yǔ)文成績(jī)46.0

英語(yǔ)成績(jī)45.0

Name:0.25,dtype:float64

2.2.2對(duì)每一行求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.quantile(0.25,axis=1))

result:

083.5

134.0

234.0

356.5

455.5

586.0

664.0

740.0

856.5

Name:0.25,dtype:float64

2.3對(duì)單獨(dú)的一行或者一列進(jìn)行操作

2.3.1對(duì)某一列求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df['數(shù)學(xué)成績(jī)'].quantile(0.25))

result:

35.0

2.3.2對(duì)某一行求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.iloc[[0]].quantile(0.25))

result:

數(shù)學(xué)成績(jī)89.0

語(yǔ)文成績(jī)78.0

英語(yǔ)成績(jī)98.0

Name:0.25,dtype:float64

2.4對(duì)多行或者多列進(jìn)行操作

2.4.1對(duì)多列求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df[['數(shù)學(xué)成績(jī)',"語(yǔ)文成績(jī)"]].quantile(0.25))

result:

數(shù)學(xué)成績(jī)35.0

語(yǔ)文成績(jī)46.0

Name:0.25,dtype:float64

2.4.2對(duì)多行求分位數(shù)

df=pd.read_excel(r'C:\Users\admin\Desktop\測(cè)試.xlsx')

print(df.iloc[[0,1]].quantile(0.25))

result:

數(shù)學(xué)成績(jī)48.5

語(yǔ)文成績(jī)45.0

英語(yǔ)成績(jī)50.0

Name:0.25,dtype:float64

附：pandas和numpy計(jì)算分位數(shù)的區(qū)別

pandas和numpy中都有計(jì)算分位數(shù)的方法，pandas中是quantile，numpy中是percentile

兩個(gè)方法其實(shí)沒(méi)什么區(qū)別，用法上稍微不同，quantile的優(yōu)點(diǎn)是與pandas中的groupby結(jié)合使用，可以分組之后取每個(gè)組的某分位數(shù)

quantile代碼：

importpandasaspd

importnumpyasnp

data=pd.read_csv('order_rank_p_0409.txt',sep='\t')

#將data按id_1和id_2分組

grouped=data.groupby(['id_1','id_2'])

#用quantile計(jì)算第40%的分位數(shù)

grouped['gmv'].quantile(0.4)

#用to_csv生成文件

x.to_csv('order_